pytorch deep learning

Lerne Pytorch für tiefes Lernen

Willkommen bei The Zero to Mastery Learn Pytorch für Deep Learning Course, der zweitbeste Ort, um Pytorch im Internet zu lernen (die erste ist die Pytorch -Dokumentation).

• Update April 2023: Neues Tutorial für Pytorch 2.0 ist live! Und da Pytorch 2.0 ein Additiv (neue Funktionen) und rückwärtskompatible Version ist, funktionieren alle früheren Kursmaterialien weiterhin mit Pytorch 2.0.

Inhalt dieser Seite

• Kursmaterialien/Umriss
• Über diesen Kurs
• Status (der Fortschritt der Kursschöpfung)
• Protokoll (ein Protokoll des Kursmaterialserstellungsprozesses)

Kursmaterialien/Umriss

• Online -Buchversion: Alle Kursmaterialien sind in einem lesbaren Online -Buch unter LearnPytorch.io verfügbar.
• ? Erste fünf Abschnitte auf YouTube: Lernen Sie an einem Tag Pytorch, indem Sie die ersten 25 Stunden Material ansehen.
• ? Kursfokus: Code, Code, Code, Experiment, Experiment, Experiment.
• ?
• ? Stellen Sie eine Frage: Weitere Fragen finden Sie auf der Seite GitHub Diskussions/stellen Sie Ihre eigenen.

Abschnitt	Was bedeckt es?	Übungen & Extra-Courriculum	Folien
00 - Pytorch -Grundlagen	Viele grundlegende Pytorch -Operationen, die für Deep Learning und Neural Networks verwendet werden.	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
01 - Pytorch Workflow	Bietet einen Überblick über die Annäherung an tiefe Lernprobleme und den Aufbau neuronaler Netzwerke mit Pytorch.	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
02 - Klassifizierung des neuronalen Netzwerks Pytorch	Verwendet den Pytorch -Workflow von 01, um ein Problem der Klassifizierung des neuronalen Netzwerks durchzuführen.	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
03 - Pytorch Computer Vision	Lassen Sie uns sehen, wie Pytorch mit demselben Workflow von 01 & 02 für Computer -Vision -Probleme verwendet werden kann.	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
04 - Pytorch benutzerdefinierte Datensätze	Wie laden Sie einen benutzerdefinierten Datensatz in Pytorch? Außerdem werden wir die Grundlagen in diesem Notebook für unseren modularen Code (in 05) auflegen.	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
05 - Pytorch modular gehen	Pytorch ist so konzipiert, dass es modular ist. Lassen Sie uns das in eine Reihe von Python -Skripten verwandeln (so finden Sie in freier Wildbahn oft Pytorch -Code).	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
06 - Pytorch -Transferlernen	Nehmen wir ein gut ausgebildetes Modell und passen es an eines unserer eigenen Probleme an.	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
07 - Meilensteinprojekt 1: Pytorch -Experiment -Tracking	Wir haben eine Reihe von Models gebaut ... wäre es nicht gut, zu verfolgen, wie sie alle gehen?	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
08 - Meilensteinprojekt 2: Pytorch Paper Replication	Pytorch ist der beliebteste Deep -Learning -Framework für die Forschung für maschinelles Lernen. Sehen wir, warum durch die Replikation eines maschinellen Lernpapiers.	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
09 - Meilensteinprojekt 3: Modellbereitstellung	Also haben wir ein funktionierendes Pytorch -Modell gebaut ... wie kommen wir in die Hände anderer? Hinweis: Stellen Sie es im Internet ein.	Gehen Sie zu Übungen und einem außerschulischen Lehrplan	Geh zu Folien
Pytorch zusätzliche Ressourcen	Dieser Kurs deckt eine große Menge an Pytorch und Deep Learning ab, aber das Gebiet des maschinellen Lernens ist riesig. Hier finden Sie empfohlene Bücher und Ressourcen für: Pytorch und Deep Learning, ML Engineering, NLP (natürliche Sprachverarbeitung), Zeitreihendaten, Wo man Datensätze finden und mehr.	- -	- -
Pytorch -Cheatsblatt	Ein sehr schneller Überblick über einige der Hauptmerkmale von Pytorch Plus -Links zu verschiedenen Ressourcen, in denen mehr im Kurs und in der Pytorch -Dokumentation zu finden ist.	- -	- -
Ein kurzes Pytorch 2.0 -Tutorial	Eine Einführung in Pytorch 2.0, was neu ist und wie man mit Ressourcen anfängt, um mehr zu erfahren.	- -	- -

Status

Alle Materialien und Videos, die auf Zero to Mastery veröffentlicht wurden!

Siehe Projektseite für Work-in-Progress-Board-https://github.com/users/mrdbourke/projects/1

• Gesamtvideozahl: 321
• Fertiger Skelettcode für: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
• Annotationen erledigt (Text) für: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
• Fertigbilder für: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
• Fertiger Keynotes für: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
• Erledigte Übungen und Lösungen für: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09

Sehen Sie sich das Protokoll für fast tägliche Updates an.

Über diesen Kurs

Für wen ist dieser Kurs?

Sie: sind Anfänger im Bereich des maschinellen Lernens oder des tiefgreifenden Lernens und möchten Pytorch lernen.

Dieser Kurs: Lehrt Sie Pytorch und viele Konzepte für maschinelles Lernen praktisch, Code-First-Weise.

Wenn Sie bereits 1 Jahr mehr Erfahrung im maschinellen Lernen haben, kann dieser Kurs hilfreich sein, aber er ist speziell als Anfängerfreundlichkeit entwickelt.

Was sind die Voraussetzungen?

1. 3-6 Monate codieren Python.
2. Mindestens ein Kurs für maschinelles Lernen von Anfänger (dies kann jedoch übersprungen werden, die Ressourcen sind für viele verschiedene Themen verknüpft).
3. Erfahrung mit Jupyter -Notizbüchern oder Google Colab (obwohl Sie dies im Laufe der Zeit aufnehmen können).
4. Eine Lernbereitschaft (am wichtigsten).

Für 1 & 2 würde ich die Null -to -Mastery -Datenwissenschaft und das maschinelle Lernen mit Bootcamp empfehlen. Sie werden Ihnen die Grundlagen des maschinellen Lernens und Python beibringen (ich bin jedoch voreingenommen, ich unterrichte auch diesen Kurs).

Wie wird der Kurs gelehrt?

Alle Kursmaterialien sind in einem Online -Buch unter Learnpytorch.io kostenlos erhältlich. Wenn Sie gerne lesen, würde ich empfehlen, die Ressourcen dort durchzugehen.

Wenn Sie es vorziehen, per Video zu lernen, wird der Kurs auch im Format im Ausbildungsstil unterrichtet, was bedeutet, dass ich Pytorch-Code schreibe, Sie schreiben Pytorch-Code.

Es gibt einen Grund, warum das Kursmotto im Zweifelsfall den Code und das Experiment, das Experiment, das Experiment ausführen! .

Mein ganzes Ziel ist es, Ihnen zu helfen, eins zu tun: maschinelles Lernen zu lernen, indem Sie Pytorch -Code schreiben.

Der Code ist alle über Google Colab Notebooks geschrieben (Sie können auch Jupyter -Notebooks verwenden), eine unglaubliche kostenlose Ressource zum Experimentieren mit maschinellem Lernen.

Was bekomme ich, wenn ich den Kurs beende?

Es gibt Zertifikate und all diesen Jazz, wenn Sie die Videos durchlaufen.

Aber Zertifikate sind meh.

Sie können diesen Kurs als Impulsbauer für maschinelles Lernen betrachten.

Am Ende haben Sie Hunderte von Zeilen von Pytorch -Code geschrieben.

Und wird vielen der wichtigsten Konzepte im maschinellen Lernen ausgesetzt gewesen sein.

Wenn Sie also eigene Projekte für maschinelles Lernen erstellen oder ein mit Pytorch durchgeführter öffentliches maschinelles Lernensprojekt inspizieren, wird es sich vertraut anfühlt, und wenn dies nicht der Fall ist, wissen Sie zumindest, wo Sie suchen müssen.

Was werde ich im Kurs bauen?

Wir beginnen mit den Barebone -Grundlagen von Pytorch und maschinellem Lernen. Selbst wenn Sie neu im maschinellen Lernen sind, werden Sie die Geschwindigkeit erwischt.

Anschließend werden wir fortschrittlichere Bereiche untersuchen, einschließlich der Klassifizierung neuronaler Netzwerk in Pytorch, Pytorch -Workflows, Computer Vision, benutzerdefinierten Datensätzen, Experimentverfolgung, Modellbereitstellung und meinem persönlichen Favoriten: Transferlernen, eine leistungsstarke Technik, um das zu übernehmen, was ein maschinelles Lernmodell auf ein anderes Problem gelernt hat und auf Ihre eigenen angewendet hat!

Unterwegs erstellen Sie drei Meilensteinprojekte rund um ein übergeordnetes Projekt namens FoodVision, ein Computer Vision -Modell des neuronalen Netzwerks, um Bilder von Lebensmitteln zu klassifizieren.

Diese Meilensteinprojekte helfen Ihnen dabei, Pytorch zu verwenden, um wichtige Konzepte für maschinelles Lernen abzudecken und ein Portfolio zu erstellen, das Sie Arbeitgebern zeigen und sagen können: "Hier ist, was ich getan habe".

Wie fange ich an?

Sie können die Materialien auf jedem Gerät lesen, aber dieser Kurs wird am besten in einem Desktop -Browser angesehen und codiert.

Der Kurs verwendet ein kostenloses Tool namens Google Colab. Wenn Sie keine Erfahrung damit haben, würde ich die kostenlose Einführung in das Google Colab -Tutorial durchlaufen und dann hierher zurückkehren.

Zu beginnen:

1. Klicken Sie auf eines der obigen Notebook- oder Abschnitt -Links wie "00. Pytorch Fundamentals".
2. Klicken Sie auf die Schaltfläche "In Colab öffnen" oben oben.
3. Drücken Sie einige Male in SHIFT+EINGABE und sehen Sie, was passiert.

Meine Frage wird nicht beantwortet

Bitte hinterlassen Sie eine Diskussion oder senden Sie mir eine E -Mail direkt: Daniel (at) Mrdbourke (DOT) com.

Protokoll

Fast tägliche Updates über das, was passiert.

• 15. Mai 2023 - PyTorch 2.0 Tutorial fertig + Videos hinzugefügt zu Ztm/Udemy, siehe Code: https://www.learnpytorch.io/pytorch_2_Intro/
• 13 Apr 2023 - Aktualisieren Sie Pytorch 2.0 Notebook
• 30. März 2023 - Aktualisieren Sie das Pytorch 2.0 -Notizbuch mit weiteren Informationen/sauberer Code
• 23. März 2023 - Upgrade Pytorch 2.0 Tutorial mit Anmerkungen und Bildern
• 13. März 2023 - Fügen Sie Startercode für Pytorch 2.0 Tutorial hinzu
• 18. November 2022 - Fügen Sie eine Referenz für 3 häufigste Fehler in Pytorch + Links zu Kursabschnitten hinzu, um weitere Informationen zu
• 9. November 2022 - Fügen Sie Pytorch -Cheatsheet hinzu, um einen sehr schnellen Überblick über die Hauptmerkmale von Pytorch + Links zu Kursabschnitten zu erhalten: https://www.learnpytorch.io/pytorch_cheatsheet/
• 9. November 2022 - Vollständige Kursmaterialien (300+ Videos) sind jetzt live auf Udemy! Sie können sich hier anmelden: https://www.udemy.com/course/pytorch-for-peep-learning/?couponcode=Ztmgoodies7 (Start-Deal-Code, der für 3-4 Tage aus dieser Zeile gültig ist)
• 4. November 2022 - Fügen Sie ein Notizbuch für Pytorch -Cheatsblatt in extras/ (ein einfacher Überblick über viele der wichtigsten Funktionen von Pytorch) hinzu
• 2. Oktober 2022 - Alle Videos für Abschnitt 08 und 09 veröffentlicht (über 100 Videos für die letzten beiden Abschnitte)!
• 30. August 2022 - Aufgenommen 15 Videos für 09, Gesamtvideos: 321, Abschnitt 09 Videos !!!! ... noch größer als 08 !!
• 29. August 2022 - Aufgenommen 16 Videos für 09, Gesamtvideos: 306
• 28. August 2022 - Aufgenommen 11 Videos für 09, Gesamtvideos: 290
• 27. August 2022 - Aufgenommen 16 Videos für 09, Gesamtvideos: 279
• 26. August 2022 - Fügen Sie dem Notebook 09 die Schliff hinzu, fügen Sie Folien für 09 hinzu, erstellen Sie Lösungen und Übungen für 09
• 25. August 2022 - Anmerkungen hinzufügen und aufräumen 09, entfernen Sie TKs, Reinigungsbilder, machen Sie Folien für 09
• 24. August 2022 - Annotationen zu 09 hinzufügen, Hauptdatenbahnen, Übungen und außerhalb des Lehrplans gemacht
• 23. August 2022 - Annotationen zu 09 hinzufügen, viele Bilder/Folien hinzufügen
• 22. August 2022 - Annotationen zu 09 hinzufügen und an Folien/Bildern arbeiten
• 20. August 2022 - Annotationen zu 09 hinzufügen
• 19. August 2022 - Fügen Sie Annotationen zu 09 hinzu, schauen Sie sich die fantastischen Demos an!
• 18. August 2022 - Annotationen zu 09 hinzufügen
• 17. August 2022 - Annotationen zu 09 hinzufügen
• 16. August 2022 - Annotationen zu 09 hinzufügen
• 15. August 2022 - Annotationen zu 09 hinzufügen
• 13. August 2022 - Annotationen zu 09 hinzufügen
• 12. August 2022 - Fügen Sie Demo -Dateien für Notebook 09 zu demos/ Starten Sie das Notizbuch 09 mit dem Erklärungstext
• 11. August 2022 - Skelettcode für Notizbuch 09, Kursverlauf für 2x -Modelle, eine für Foodvision Mini & eine für (Geheimnis)
• 10. August 2022 - Abschnitt für Pytorch zusätzliche Ressourcen hinzufügen (Orte, um mehr über Pytorch/Deep Learning zu erfahren): https://www.learnpytorch.io/pytorch_extra_resources/
• 09. August 2022 - Fügen Sie dem Notebook mehr Skelettcode 09 hinzu
• 08. August 2022 - Erstellen Sie Draft Notebook für 09, Endziel für das Einsatz von FoodVision -Mini -Modell und machen es öffentlich zugänglich
• 05. August 2022 - Aufgenommen 11 Videos für 08, Gesamtvideos: 263, Abschnitt 08 Videos abgeschlossen! ... der bisher größte Abschnitt
• 04 Aug 2022 - Aufgenommen 13 Videos für 08, Gesamtvideos: 252
• 03 Aug 2022 - Aufgenommen 3 Videos für 08, Gesamtvideos: 239
• 02 Aug 2022 - 12 Videos für 08, Gesamtvideos: 236 aufgezeichnet
• 30. Juli 2022 - Aufgenommen 11 Videos für 08, Gesamtvideos: 224
• 29. Juli 2022 - Übungen + Lösungen für 08, siehe Live -Walkthrough auf YouTube: https://youtu.be/tjpw_by8y3g
• 28. Juli 2022 - Fügen Sie Folien für 08 hinzu
• 27. Juli 2022 - Aufräumen Sie einen Groß
• 26. Juli 2022 - Anmerkungen und Bilder für 08 hinzufügen
• 25. Juli 2022 - Annotationen für 08 hinzufügen
• 24. Juli 2022 - Natürlich in der ersten Hälfte (Notebooks 00-04) in einem einzigen Video (25+ Stunden !!!) auf YouTube: https://youtu.be/z_ikdlimn6a
• 21. Juli 2022 - Anmerkungen und Bilder für 08 hinzufügen
• 20. Juli 2022 - Annotationen und Bilder für 08 hinzufügen und so nah dran! Dies ist ein epischer Abschnitt
• 19. Juli 2022 - Anmerkungen und Bilder für 08 hinzufügen
• 15. Juli 2022 - Anmerkungen und Bilder für 08 hinzufügen
• 14. Juli 2022 - Annotationen für 08 hinzufügen
• 12. Juli 2022 - Annotationen für 08 hinzufügen, woo woo this is Bigggg Section!
• 11. Juli 2022 - Annotationen für 08 hinzufügen
• 9. Juli 2022 - Annotationen für 08 hinzufügen
• 8. Juli 2022 - Fügen Sie ein paar Anmerkungen zu 08 hinzu
• 6. Juli 2022 - Kurs in der ZTM Academy mit Videos für Abschnitte 00-07! - https://dbourke.link/ztmpytorch
• 1. Juli 2022 - Anmerkungen und Bilder für 08 hinzufügen
• 30. Juni 2022 - Annotationen für 08 hinzufügen
• 28. Juni 2022 - Aufgenommen 11 Videos für Abschnitt 07, Total Video Count 213, alle Videos für Abschnitt 07 abgeschlossen!
• 27. Juni 2022 - Aufgenommen 11 Videos für Abschnitt 07, Gesamtvideozahl 202
• 25. Juni 2022 - Nachgebaut 7 Videos für Abschnitt 06, um aktualisierte APIs, Total Video Count 191, enthalten
• 24. Juni 2022 - 12 Videos für Abschnitt 06 nachgebildet, um aktualisierte APIs einzuschließen
• 23. Juni 2022 - Annotationen für 07 beenden, Übungsvorlage und Lösungen für 07 + Video Walkthrough auf YouTube: https://youtu.be/co_r2fycaju
• 21. Juni 2022-Machen Sie 08 Runnable End-to-End, fügen Sie Bilder und Anmerkungen für 07 hinzu
• 17. Juni 2022 - Reparieren Sie 06, 07 V2 für das kommende Upgrade der Torchvision -Version, fügen Sie 08 Anmerkungen hinzu
• 13. Juni 2022 - Hinzufügen von Notebook 08 Erste Version, beginnt das Vision -Transformatorpapier zu replizieren
• 10. Juni 2022 - Annotationen für 07 V2 hinzufügen
• 09. Juni 2022 - Erstellen Sie 07 V2 für torchvision v0.13 (dies ersetzt 07 V1, wenn torchvision=0.13 freigegeben wird).
• 08. Juni 2022 - Anpassen 06 V2 für torchvision V0.13 (dies ersetzt 06 V1, wenn torchvision=0.13 freigegeben wird).
• 07. Juni 2022 - Notizbuch 06 V2 für die kommende torchvision V0.13 -Update (neue Methoden zur Transferlernmethoden)
• 04. Juni 2022 - Annotationen für 07 hinzufügen
• 03. Juni 2022 - Huuuuuuge Menge an Anmerkungen zu 07 hinzugefügt
• 31. Mai 2022-Fügen Sie eine Reihe von Anmerkungen für 07 hinzu, machen Sie Code-Runnable-End-to-End
• 30. Mai 2022 - Aufzeichnung 4 Videos für 06, Abschnitt 06, auf Abschnitt 07, insgesamt Videos 186 abgeschlossen
• 28. Mai 2022 - 10 Videos für 06, Gesamtvideos 182 aufnehmen
• 24. Mai 2022 - Fügen Sie Lösungen und Übungen für 06 hinzu
• 23. Mai 2022 - Fertiger Anmerkungen und Bilder für 06, Zeit für Übungen und Lösungen
• 22. Mai 2202 - Fügen Sie 06 viele Bilder hinzu
• 18. Mai 2022 - Fügen Sie 06 viele Anmerkungen hinzu
• 17. Mai 2022 - Für Abschnitt 06 einige Anmerkungen hinzugefügt
• 16. Mai 2022 - Aufgenommen 10 Videos für Abschnitt 05, finden Sie Videos für Abschnitt 05 ✅ ab.
• 12. Mai 2022 - Übungen und Lösungen für 05 hinzugefügt
• 11. Mai 2022 - Aufräumen Sie Teil 1 und Teil 2 Notizbücher für 05, machen Sie Folien für 05 und beginnen Sie bei Übungen und Lösungen für 05
• 10. Mai 2022 - HuUuuge -Updates zum Abschnitt 05, siehe die Website, es sieht hübsch aus: https://www.learnpytorch.io/05_pytorch_going_modular/
• 09. Mai 2022 - Fügen Sie eine Reihe von Materialien für 05, Reinigungsdokumente hinzu
• 08. Mai 2022 - Fügen Sie ein paar Materialien für 05 hinzu
• 06. Mai 2022 - Machen Sie die Materialien für 05 weiter her
• 05. Mai 2022 - Aktualisieren Sie Abschnitt 05 mit Überschriften/Umriss
• 28. April 2022 - Aufgenommen 13 Videos für 04, fertiggestellt Videos für 04, um jetzt Materialien für 05 zu erstellen
• 27 Apr 2022 - Aufgenommen 3 Videos für 04
• 26 Apr 2022 - 10 Videos für 04 aufgezeichnet
• 25. April 2022 - 11 Videos für 04 aufgezeichnet
• 24. April 2022 - Zubereitete Folien für 04
• 23 Apr 2022 - 6 Videos für 03 aufgezeichnet, Videos für 03 fertiggestellt, jetzt bis 04
• 22 Apr 2022 - Aufgenommen 5 Videos für 03
• 21 Apr 2022 - Aufgenommen 9 Videos für 03
• 20 Apr 2022 - Aufgenommen 3 Videos für 03
• 19. April 2022 - 11 Videos für 03 aufgezeichnet
• 18 Apr 2022 - Finish -Übungen/Lösungen für 04, Live -Coding -Walkthrough von 04 Übungen/Lösungen auf YouTube hinzugefügt: https://youtu.be/vsfmf9wqwx0
• 16 Apr 2022 - Oberflächenübungen/Lösungen für 03, Live -Coding -Walkthrough von 03 Übungen/Lösungen auf YouTube hinzugefügt: https://youtu.be/_pibmqpeyha
• 14 Apr 2022 - Fügen Sie endgültige Bilder/Anmerkungen für 04 hinzu, beginnen Sie bei Übungen/Lösungen für 03 & 04
• 13 Apr 2022 - Fügen Sie weitere Bilder/Anmerkungen für 04 hinzu
• 3 Apr 2022 - Fügen Sie weitere Anmerkungen für 04 hinzu
• 2 Apr 2022 - Fügen Sie weitere Anmerkungen für 04 hinzu
• 1 Apr 2022 - Fügen Sie weitere Anmerkungen für 04 hinzu
• 31. März 2022 - Fügen Sie weitere Anmerkungen für 04 hinzu
• 29 März 2022 - Fügen Sie weitere Anmerkungen für 04 hinzu
• 27. März 2022 - Fügen Sie Anmerkungen für 04 hinzu
• 26. März 2022 - Datensatz für 04 erstellen
• 25. März 2022 - Machen Sie Folien für 03
• 24. März 2022 - Fehler für 03 Fix für 03 nicht in DOCs (endlich) funktioniert (endlich)
• 23. März 2022 - Fügen Sie weitere Bilder für 03 hinzu
• 22. März 2022 - Fügen Sie Bilder für 03 hinzu
• 20. März 2022 - Fügen Sie weitere Anmerkungen für 03 hinzu
• 18. März 2022 - Fügen Sie weitere Anmerkungen für 03 hinzu
• 17. März 2022 - Fügen Sie weitere Anmerkungen für 03 hinzu
• 16. März 2022 - Fügen Sie weitere Anmerkungen für 03 hinzu
• 15. März 2022 - Fügen Sie weitere Anmerkungen für 03 hinzu
• 14 März 2022 - Fügen Sie Annotationen für Notebook 03 hinzu, siehe die laufenden Arbeiten hier: https://www.learnpytorch.io/03_pytorch_computer_vision/
• 12. März 2022 - Aufgenommen 12 Videos für 02, fertiggestellt Abschnitt 02, jetzt zum Erstellen von Materialien für 03, 04, 05, um Materialien zu erstellen
• 11. März 2022 - Aufgenommen 9 Videos für 02
• 10. März 2022 - Aufgenommen 10 Videos für 02
• 9. März 2022 - Aufräumen von Folien/Code für 02, die Aufzeichnung vorbereiten
• 8. März 2022 - Aufgenommen 9 Videos für Abschnitt 01, Abschnitt 01, jetzt auf 02
• 7. März 2022 - Aufgenommen 4 Videos für Abschnitt 01
• 6. März 2022 - Aufgenommen 4 Videos für Abschnitt 01
• 4 März 2022 - Aufgenommen 10 Videos für Abschnitt 01
• 20. Februar 2022 - Aufgenommen 8 Videos für Abschnitt 00, fertiggestelltem Abschnitt, jetzt auf 01
• 18. Februar 2022 - Aufgenommen 13 Videos für Abschnitt 00
• 17. Februar 2022 - Aufgenommen 11 Videos für Abschnitt 00
• 16. Februar 2022 - Setup -Handbuch hinzugefügt
• 12. Februar 2022 - Tidy Up Readme mit Tabelle natürlich Materialien, Fertigstellung von Bildern und Folien für 01
• 10. Februar 2022 - Fertige Folien und Bilder für 00, Notebook ist zur Veröffentlichung bereit: https://www.learnpytorch.io/00_pytorch_fundamentals/
• 01.07. Februar 2022 - Annotationen für 02 hinzufügen, fertiggestellt, noch Bilder benötigen und heute an Übungen/Lösungen arbeiten
• 31. Januar 2022 - Fügen Sie Anmerkungen für 02 hinzu
• 28. Januar 2022 - Übung und Lösungen für 01 hinzufügen
• 26. Januar 2022 - Viele weitere Anmerkungen zu 01, sollten morgen fertig sein, Übungen + Lösungen, dann auch
• 24. Januar 2022 - Fügen Sie ein paar Anmerkungen zu 01 hinzu
• 21. Januar 2022 - Fügen Sie Annotationen für 01 hinzu
• 20. Januar 2022 - Beenden Anmerkungen für 00 (müssen noch Bilder hinzufügen), Übungen und Lösungen für 00 hinzufügen
• 19. Januar 2022 - Fügen Sie weitere Anmerkungen für 00 hinzu
• 18. Januar 2022 - Fügen Sie weitere Anmerkungen für 00 hinzu
• 17. Januar 2022 - Zurück aus den Ferien und fügen Sie 00 weitere Anmerkungen hinzu
• 10. Dezember 2021 - Hinzufügen von Anmerkungen für 00
• 9. Dezember 2021 - Erstellt eine Website für den Kurs (LearnPytorch.io). Sie sehen die dort veröffentlichten Updates, die sobald die Entwicklung fortgesetzt wird
• 8. Dezember 2021 - Notizbuch 07 aufräumen, starten Sie den Code und fügen Sie Annotationen hinzu
• 26. November 2021 - Skelettcode für 07 beenden, vier verschiedene Experimente hinzugefügt, mussten aufräumen und unkomplizierter machen
• 25. November 2021 - Clean Code für 06, Fügen Sie Skelettcode für 07 hinzu (Experimentverfolgung)
• 24. November 2021 - Aktualisieren Sie 04, 05, 06 Notizbücher zur einfacheren Verdauung und Lernen. Jeder Abschnitt sollte ein maximales Maximum von 3 großen Ideen abdecken.
• 22. November 2021 - Aktualisieren Sie 04 Zug- und Testfunktionen, um einfacher zu machen
• 19. November 2021 - 05 (Transfer Learning) Notebook hinzugefügt und benutzerdefinierte Datenladecode in 04 aktualisieren
• 18. November 2021 - Aktualisierter Visionscode für 03 und in 04 benutzerdefinierten Datensatzladecode hinzugefügt
• 12. November 2021 - Für das Laden des benutzerdefinierten Datensatzes wird ein paar Skelettcode hinzugefügt. Als nächstes wird die Modellierung mit benutzerdefinierten Daten vorhanden
• 10. November 2021 - Erforschung der Best Practice für benutzerdefinierte Datensätze für 04
• 9. November 2021 - Aktualisieren Sie 03 Skelettcode, um das Erstellen von CNN -Modell auf 04 zu erstellen, um benutzerdefinierte Datensätze zu laden
• 4 Nov 2021 - GPU -Code zu 03 + Zug/Testschleifen + helper_functions.py hinzufügen
• 3. November 2021 - Fügen Sie Basic Start für 03 hinzu und enden Sie bis zum Ende der Woche
• 29. Oktober 2021 - Aufgezeigt
• 28. Oktober 2021 - Fertiger Skelettcode für 02, morgen zu sauber/ordentlich, 03 nächste Woche
• 27. Oktober 2021 - Fügen Sie eine Reihe von Code für 02 hinzu und werden morgen/bis zum Ende der Woche abgeschlossen sein
• 26. Oktober 2021 - Update 00, 01, 02 mit Gliederung/Code, Skelettcode für 00 & 01 DEFADE, 02 Nächste
• 23, 24. Oktober 2021 - Update 00 und 01 Notizbücher mit mehr Gliederung/Code
• 20. Oktober 2021 - Fügen Sie V0 -Umrisse für 01 und 02 hinzu, fügen Sie Readme natürlich grobe Überriss hinzu. Dieser Kurs konzentriert sich auf weniger, aber besser
• 19. Oktober 2021 - Starten Sie Repo, fügen Sie Fundamentals Notebook Draft v0 hinzu