Pytorch Knowledge
1.0.0
Die meisten Arbeitsabläufe für maschinelles Lernen umfassen die Verarbeitung von Daten, die Erstellung von Modellen, die Optimierung von Modellparametern und das Speichern des trainierten Modells. Dieses Tutorial führt Sie in einen vollständigen ML-Workflow ein, der in PyTorch implementiert ist, und bietet Links, um mehr über jedes Konzept zu erfahren.
In diesem Tutorial werden die Grundkenntnisse des maschinellen Lernens und des Deep Learning behandelt, wobei回归分类问题und viele bekannte Grundgerüste des Deep Learning wie CNN , RNN , fastai usw. behandelt werden.
Der offizielle Facebook-Tutorial-Katalog verwendet den FashionMNIST Datensatz, um ein neuronales Netzwerk zu trainieren运动鞋das vorhersagt, ob ein Eingabebild zu einer der folgenden Kategorien gehört: T 恤/上衣,裤子,套头衫,连衣裙,外套,凉鞋, Hemd,衬衫,包, oder脚踝.
Der praktische Pytorch-Deep-Learning-Katalog beginnt mit den einfachsten linearen Regressionsproblemen und geht schrittweise zu komplexen Deep-Learning-Modellen über.
In diesem Tutorial wird davon ausgegangen, dass Sie über grundlegende Kenntnisse mit Python und Deep-Learning-Konzepten verfügen. Das Dokument (offizielles Facebook-Tutorial) wurde von der offiziellen Pytorch-Website übersetzt
Sie können dieses Tutorial auf verschiedene Arten ausführen:
