PyTorch是利用深度学习进行数据科学研究的重要工具,在灵活性、可读性和性能上都具备相当的优势,近年来已成为学术界实现深度学习算法最常用的框架。
考虑到PyTorch的学习兼具理论储备和动手训练,两手都要抓两手都要硬的特点,我们开发了《深入浅出PyTorch》课程,期望以组队学习的形式,帮助大家从入门到熟练掌握PyTorch工具,进而实现自己的深度学习算法。
我们的愿景是:通过组队学习,大家能够掌握由浅入深地PyTorch的基本知识和内容,经过自己的动手实践加深操作的熟练度。同时通过项目实战,充分锻炼编程能力,掌握PyTorch进行深度学习的基本流程,提升解决实际问题的能力。
学习的先修要求是,会使用Python编程,了解包括神经网络在内的机器学习算法,勤于动手实践。
《深入浅出PyTorch》是一个系列,一共有三个部分。已经上线的是本系列的第一、二部分,后续会不断更新《深入浅出PyTorch》(下),给出更贴合实际应用的实战案例。
- 第一章:PyTorch的简介和安装
- PyTorch简介
- PyTorch的安装
- PyTorch相关资源简介
- 第二章:PyTorch基础知识
- 张量及其运算
- 自动求导简介
- 并行计算、CUDA和cuDNN简介
- 第三章:PyTorch的主要组成模块
- 思考:完成一套深度学习流程需要哪些关键环节
- 基本配置
- 数据读入
- 模型构建
- 损失函数
- 优化器
- 训练和评估
- 可视化
- 第四章:PyTorch基础实战
- 基础实战——Fashion-MNIST时装分类
- 第五章:PyTorch模型定义
- 模型定义方式
- 利用模型块快速搭建复杂网络
- 模型修改
- 模型保存与读取
- 第六章:PyTorch进阶训练技巧
- 自定义损失函数
- 动态调整学习率
- 模型微调
- 半精度训练
- 第七章:PyTorch可视化
- 可视化网络结构
- 可视化CNN卷积层
- 使用TensorBoard可视化训练过程
- 第八章:PyTorch生态简介
- 简介
- 图像—torchvision
- 视频—PyTorchVideo
- 文本—torchtext
成员 | 个人简介 | 个人主页 |
---|---|---|
李嘉骐 | DataWhale成员,清华大学研究生 | https://www.zhihu.com/people/li-jia-qi-16-9/posts |
牛志康 | DataWhale成员,西安电子科技大学本科生 | https://www.zhihu.com/people/obeah-82 |
刘洋 | Datawhale成员,**科学院数学与系统科学研究所研究生 | https://www.zhihu.com/people/ming-ren-19-34/asks |
陈安东 | DataWhale成员,**民族大学研究生 | https://andongblue.github.io/chenandong.github.io/ |
教程贡献情况(已上线课程内容):
李嘉骐:第三章;第四章;第五章;第六章;第七章;第八章;内容整合
牛志康:第一章;第三章;第六章;第七章;第八章
刘洋:第二章;第三章
陈安东:第二章;第三章;第七章
部分章节直播讲解请观看B站回放(持续更新):https://www.bilibili.com/video/BV1L44y1472Z
-
课程编排: 深入浅出PyTorch分为三个阶段:PyTorch深度学习基础知识、PyTorch进阶操作、PyTorch生态介绍与案例分析。
-
使用方法:
我们的课程内容都以markdown格式或jupyter notebook的形式保存在本仓库内。除了多看加深课程内容的理解外,最重要的还是动手练习、练习、练习
-
组队学习安排:
第一部分:第一章到第四章,学习周期:10天;
第二部分:第五章到第八章,学习周期待定
- 非常感谢DataWhale成员 叶前坤 @PureBuckwheat 对文档的细致校对!
- 如果有任何想法可以联系我们DataWhale