龙龙老师 PyTorch与深度学习 视频课程+源码 共152课
《龙龙老师 PyTorch与深度学习 视频课程+源码 共152课》龙龙老师 PyTorch与深度学习 视频课程+源码 共152课【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落
龙龙老师这套 PyTorch 课在资料圈里流传挺久，152 课的体量放在今天不算最大，但它的结构有个明显特点：前三分之一几乎不碰"项目实战"这类唬人的词，而是老老实实把张量、自动求导、nn.Module 这些底座讲透。对收藏党来说，这意味着你不能只看目录标题判断它值不值得存——真正决定这套课含金量的，是中段那些容易被标题一笔带过的章节。
课纲的"重量"分布在哪
把 152 课按主题粗切，大致是三条线：PyTorch 基础原语、经典网络结构复现、以及偏工程化的训练与部署收尾。值得精看的不是开头那些"环境安装""张量创建"——这些快进即可，任何一门 PyTorch 课都讲得差不多。真正拉开差距的是自动求导机制的拆解部分，以及卷积、循环网络那几段手写前向过程的章节。龙龙老师在讲反向传播时习惯先画计算图再落到代码，这种讲法对后来读论文里的自定义 loss 很有帮助。
需要提醒的是，课纲里"实战"二字出现频率不低，但配套源码的完成度参差。建议先翻源码包里跟网络结构对应的那几个模块，确认代码和视频讲解是否对得上版本，再决定投入多少时间。
哪些章节可以跳，哪些必须啃
- 基础张量操作、索引与广播：有两三年 Python 和 NumPy 经验的人可以直接跳，遇到不熟的 API 再回来查。
- 自动求导与计算图：不要跳。这是 PyTorch 和 TensorFlow 静态图思维的分水岭，也是后面调试梯度问题的唯一依据。
- Dataset 与 DataLoader 的自定义写法：值得反复看。很多人卡在真实数据上不是因为模型不会搭，而是数据管道写错。
- CNN 与 RNN 的手写实现：精看，但不必逐行抄。重点是理解维度变换的每一步，而不是记住某个层的参数顺序。
- 训练技巧与调参章节：可当工具书用。第一次学不必全吃，等自己跑崩一次模型再回来对号入座，吸收率更高。
资料包怎么拆开用
视频加源码这个组合，最忌讳的是"看一节抄一节"。更实际的做法是把源码包当成作弊条：先自己按理解写一遍前向，再拿老师的实现对照，差异处就是你的知识盲点。视频只在你对照后仍想不通时打开，这样 152 课的消化速度会比顺序刷快不少。笔记部分适合在每完成一个网络结构后合上，用自己的话复述一遍数据从输入到 loss 的流向，写不出来说明这一块还没过。
它适合谁，不适合谁
如果你已经会用 NumPy 做矩阵运算，想系统补上 PyTorch 这套工具链，这套课的中段会给你实打实的回报。但如果你指望它直接带你做出能写进简历的完整产品级项目，可能会失望——它的实战更偏"把模型跑通"，离工程落地还有一段距离。把它当作深度学习框架的扎实入门，而不是项目速成包，预期就对了。
龙龙老师 PyTorch与深度学习 视频课程+源码 共152课
课程推荐
《龙龙老师 PyTorch与深度学习 视频课程+源码 共152课》龙龙老师 PyTorch与深度学习 视频课程+源码 共152课【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（152 节）
* │ 1.深度学习框架简介_.mp4
* │ 2.PyTorch功能演示_.mp4
* │ 3.开发环境安装（简介）_.mp4
* │ 10.手写数字识别初体验-2_.mp4
* │ 11.手写数字识别初体验-3_.mp4
* │ 12.手写数字识别初体验-4_.mp4
* │ 13.手写数字识别初体验-5_.mp4
* │ 4.简单回归问题-_.mp4
* │ 5.简单回归问题-2_.mp4
* │ 6.回归问题实战_.mp4
* │ 7.分类问题引入-1_.mp4
* │ 8.分类问题引入-2_.mp4
* │ 9.手写数字识别初体验-1_.mp4
* │ 14.张量数据类型-1_.mp4
* │ 15.张量数据类型-2_.mp4
* │ 16.创建Tensor-1_.mp4
* │ 17.创建Tensor-2_.mp4
* │ 18.索引与切片-1_.mp4
* │ 19.索引与切片-2_.mp4
* │ 20.维度变换-1_.mp4
* │ 21.维度变换-2_.mp4
* │ 22.维度变换-3_.mp4
* │ 23.维度变换-4_.mp4
* │ 24.Broadcasting-1_.mp4
* │ 25.Broadcasting-2_.mp4
* │ 26.Broadcasting-3_.mp4
* │ 27.合并与分割-1_.mp4
* │ 28.合并与分割-2_.mp4
* │ 29.数学运算-1_.mp4
* │ 30.数学运算-2_.mp4
* │ 31.属性统计-1_.mp4
* │ 32.属性统计-2_.mp4
* │ 33.高阶操作_.mp4
* │ 34.什么是梯度-1_.mp4
* │ 35.什么是梯度-2_.mp4
* │ 36.常见函数的梯度_.mp4
* │ 37.激活函数与Loss的梯度-1_.mp4
* │ 38.激活函数与Loss的梯度-2_.mp4
* │ 39.激活函数与Loss的梯度-3_.mp4
* │ 40.激活函数与Loss的梯度-4_.mp4
* │ 41.感知机的梯度推导-1_.mp4
* │ 42.感知机的梯度推导-2_.mp4
* │ 43.链式法则_.mp4
* │ 44.反向传播算法-1_.mp4
* │ 45.反向传播算法-2_.mp4
* │ 46.优化问题实战_.mp4
* │ 47.Logistic.Regression_.mp4
* │ 48.交叉熵-1_.mp4
* │ 49.交叉熵-2_.mp4
* │ 50.多分类问题实战_.mp4
* │ 51.全连接层_.mp4
* │ 52.激活函数与GPU加速_.mp4
* │ 53.MNIST测试实战_.mp4
* │ 54.Visdom可视化_.mp4
* │ 55.过拟合与欠拟合_.mp4
* │ 56.交叉验证-1_.mp4
* │ 57.交叉验证-2_.mp4
* │ 58.Regularization_.mp4
* │ 59.动量与学习率衰减_.mp4
* │ 60.Early.stopping,.dropout等_.mp4
* │ 61.什么是卷积-1_.mp4
* │ 62.什么是卷积-2_.mp4
* │ 63.卷积神经网络-1_.mp4
* │ 64.卷积神经网络-2_.mp4
* │ 65.卷积神经网络-3_.mp4
* │ 66.池化层与采样_.mp4
* │ 67.BatchNorm-1_.mp4
* │ 68.BatchNorm-2_.mp4
* │ 69.经典卷积网络.LeNet5,AlexNet,.VGG,.GoogLeNet-1_.mp4
* │ 70.经典卷积网络.LeNet5,AlexNet,.VGG,.GoogLeNet-2_.mp4
* │ 71.ResNet与DenseNet-1_.mp4
* │ 72.ResNet与DenseNet-2_.mp4
* │ 73.nn.Module模块-1_.mp4
* │ 74.nn.Module模块-2_.mp4
* │ 75.数据增强_.mp4
* │ 76.CIFAR10数据集介绍_.mp4
* │ 77.卷积神经网络实战-1_.mp4
* │ 78.卷积神经网络实战-2_.mp4
* │ 79.卷积神经网络训练_.mp4
* │ 80.ResNet实战-1_.mp4
* │ 81.ResNet实战-2_.mp4
* │ 82.ResNet实战-3_.mp4
* │ 83.ResNet实战-4_.mp4
* │ 84.实战小结_.mp4
* │ 85.时间序列表示方法_.mp4
* │ 86.RNN原理-1_.mp4
* │ 87.RNN原理-_.mp4
* │ 88.RNN.Layer使用-1_.mp4
* │ 89.RNN.Layer使用-2_.mp4
* │ 90.时间序列预测实战_.mp4
* │ 91.梯度弥散与梯度爆炸_.mp4
* │ 92.LSTM原理-_.mp4
* │ 93.LSTM原理-2_.mp4
* │ 94.LSTM.Layer使用_.mp4
* │ 95.情感分类问题实战_.mp4
* │ 100.自定义数据集实战-3_.mp4
* │ 101.自定义数据集实战-4_.mp4
* │ 102.自定义数据集实战-5_.mp4
* │ 103.自定义网络_.mp4
* │ 104.自定义网络训练与测试_.mp4
* │ 105.自定义网络实战_.mp4
* │ 106.迁移学习_.mp4
* │ 107.迁移学习实战_.mp4
* │ 96.Pokemon数据集_.mp4
* │ 97.数据预处理_.mp4
* │ 98.自定义数据集实战-1_.mp4
* │ 99.自定义数据集实战-2_.mp4
* │ 108.无监督学习_.mp4
* │ 109.Auto-Encoder原理_.mp4
* │ 110.Auto-Encoder变种_.mp4
* │ 111.Adversarial.Auto-Encoder_.mp4
* │ 112.变分Auto-Encoder引入_.mp4
* │ 113.Reparameterization.trick_.mp4
* │ 114.变分自编码器VAE_.mp4
* │ 115.Auto-Encoder实战-1_.mp4
* │ 116.Auto-Encoder实战-2_.mp4
* │ 117.变分Auto-Encoder实战-1_.mp4
* │ 118.变分Auto-Encoder实战-2_.mp4
* │ 119.数据的分布_.mp4
* │ 120.画家的成长历程_.mp4
* │ 121.GAN原理_.mp4
* │ 122.纳什均衡-D_.mp4
* │ 123.纳什均衡-G_.mp4
* │ 124.JS散度的缺陷_.mp4
* │ 125.EM距离_.mp4
* │ 126.WGAN与WGAN-GP_.mp4
* │ 127.GAN实战-GD实现_.mp4
* │ 128.GAN实战-网络训练_.mp4
* │ 129.GAN实战-网络训练鲁棒性_.mp4
* │ 130.WGAN-GP实战_.mp4
* │ 131.Ubuntu系统安装_.mp4
* │ 132.Anaconda安装_.mp4
* │ 133.CUDA.10安装_.mp4
* │ 134.环境变量配置_.mp4
* │ 135.cudnn安装_.mp4
* │ 136.PyCharm安装与配置_.mp4
* │ 137.生物神经元结构_.mp4
* │ 138.感知机的提出_.mp4
* │ 139.BP神经网络_.mp4
* │ 140.CNN和LSTM的发明_.mp4
* │ 141.人工智能的低潮_.mp4
* │ 142.深度学习的诞生_.mp4
* │ 143.深度学习的繁荣_.mp4
* │ 144.权值的表示_.mp4
* │ 145.多层感知机的实现_.mp4
* │ 146.多层感知机前向传播_.mp4
* │ 147.多层感知机反向传播_.mp4
* │ 148.多层感知机反向传播-2_.mp4
* │ 149.多层感知机反向传播-3_.mp4
* │ 150.多层感知机的训练_.mp4
* │ 151.多层感知机的测试_.mp4
* │ 152.实战小结_.mp4
配套笔记（2 份 PDF）
* 花书-中文版.pdf
* 花书-深度学习-Eng.pdf
![[衡天云]爆款云服务器 低至12元/月](/hty.png)
