Apprendre le pytorch pour l'apprentissage en profondeur
Bienvenue dans le cours Zero to Mastery Learn Pytorch for Deep Learning, le deuxième meilleur endroit pour apprendre Pytorch sur Internet (le premier étant la documentation Pytorch).
- Mise à jour avril 2023: le nouveau tutoriel pour Pytorch 2.0 est en direct! Et parce que Pytorch 2.0 est un additif (nouvelles fonctionnalités) et une version compatible en arrière, tous les documents de cours précédents fonctionneront toujours avec Pytorch 2.0.
Contenu de cette page
- Matériel de cours / contour
- À propos de ce cours
- Statut (la progression de la création de cours)
- Journal (un journal du processus de création de matériel de cours)
Matériel de cours / contour
- Version du livre en ligne: Tous les documents de cours sont disponibles dans un livre en ligne lisible sur LearnpyTorch.io.
- ? Les cinq premières sections sur YouTube: apprenez le pytorch en une journée en regardant les 25 premières heures de matériel.
- ? Focus de cours: code, code, code, expérience, expérience, expérience.
- ? ️ Style d'enseignement: https://sive.rs/Kimo.
- ? Posez une question: consultez la page Discussions GitHub pour les questions existantes / posez le vôtre.
| Section | Que couvre-t-il? | Exercices et extra-curriculum | Diapositives |
|---|
| 00 - Fondamentaux Pytorch | De nombreuses opérations fondamentales de Pytorch ont été utilisées pour l'apprentissage en profondeur et les réseaux de neurones. | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 01 - flux de travail Pytorch | Fournit un aperçu de l'approche des problèmes d'apprentissage en profondeur et de la construction de réseaux de neurones avec Pytorch. | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 02 - Classification du réseau neuronal pytorch | Utilise le flux de travail Pytorch de 01 pour passer par un problème de classification de réseau neuronal. | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 03 - Vision informatique pytorch | Voyons comment Pytorch peut être utilisé pour les problèmes de vision par ordinateur en utilisant le même flux de travail à partir de 01 et 02. | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 04 - ensembles de données personnalisés Pytorch | Comment charger un ensemble de données personnalisé dans Pytorch? Nous allons également poser les fondations de ce cahier pour notre code modulaire (couvert en 05). | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 05 - Pytorch va modulaire | Pytorch est conçu pour être modulaire, transformons ce que nous avons créé en une série de scripts Python (c'est ainsi que vous trouverez souvent du code Pytorch dans la nature). | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 06 - Apprentissage du transfert Pytorch | Prenons un modèle pré-formé bien performant et ajustons-le à l'un de nos propres problèmes. | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 07 - Milestone Project 1: Suivi de l'expérience Pytorch | Nous avons construit un tas de modèles ... ne serait-il pas bon de suivre comment ils se déroulent? | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 08 - Projet de jalons 2: reproduction du papier pytorch | Pytorch est le cadre d'apprentissage en profondeur le plus populaire pour la recherche sur l'apprentissage automatique, voyons pourquoi en reproduisant un document d'apprentissage automatique. | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| 09 - Projet de jalons 3: Déploiement du modèle | Nous avons donc construit un modèle de pytorch fonctionnel ... comment pouvons-nous l'obtenir entre les mains des autres? Astuce: déployez-le sur Internet. | Allez dans les exercices et extra-curriculum | Aller aux diapositives |
| Pytorch Ressources supplémentaires | Ce cours couvre une grande quantité de pytorch et d'apprentissage en profondeur, mais le domaine de l'apprentissage automatique est vaste, à l'intérieur ici, vous trouverez des livres et des ressources recommandés pour: Pytorch et Deep Learning, ML Engineering, NLP (traitement du langage naturel), données de séries chronologiques, où trouver des ensembles de données et plus encore. | - | - |
| Pytorch Cheatheet | Un aperçu très rapide de certaines des principales caractéristiques de Pytorch plus des liens vers diverses ressources où davantage peut être trouvé dans le cours et dans la documentation de Pytorch. | - | - |
| Un tutoriel rapide Pytorch 2.0 | Une introduction fassssstst à Pytorch 2.0, quoi de neuf et comment démarrer avec les ressources pour en savoir plus. | - | - |
Statut
Tous les documents terminés et les vidéos publiées sur Zero to Mastery!
Voir la page du projet pour la carte de travail-progress - https://github.com/users/mrdbourke/projects/1
- Nombre de vidéos totales: 321
- Code squelette fait pour: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
- Annotations terminées (texte) pour: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
- Images effectuées pour: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
- FAIT Keynotes pour: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
- Exercices et solutions effectuées pour: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
Voir le journal pour les mises à jour presque quotidiennes.
À propos de ce cours
À qui est ce cours?
Vous: êtes un débutant dans le domaine de l'apprentissage automatique ou de l'apprentissage en profondeur et vous souhaitez apprendre le pytorch.
Ce cours: vous enseigne Pytorch et de nombreux concepts d'apprentissage automatique d'une manière pratique et axée sur le code.
Si vous avez déjà une expérience d'un an + dans l'apprentissage automatique, ce cours peut vous aider, mais il est spécialement conçu pour être adapté aux débutants.
Quelles sont les conditions préalables?
- 3-6 mois de codage de python.
- Au moins un cours pour l'apprentissage automatique débutant (mais cela pourrait être ignoré, les ressources sont liées pour de nombreux sujets différents).
- Expérience en utilisant des cahiers Jupyter ou Google Colab (bien que vous puissiez le récupérer au fur et à mesure).
- Une volonté d'apprendre (le plus important).
Pour 1 et 2, je recommanderais le zéro à la maîtrise de la science des données et du bootcamp d'apprentissage automatique, cela vous apprendra les principes fondamentaux de l'apprentissage automatique et du python (je suis biaisé cependant, j'enseigne également ce cours).
Comment le cours est-il enseigné?
Tous les documents de cours sont disponibles gratuitement dans un livre en ligne sur LearnpyTorch.io. Si vous aimez lire, je recommanderais de passer par les ressources là-bas.
Si vous préférez apprendre par vidéo, le cours est également enseigné au format de style d'apprentissage, ce qui signifie que j'écris le code pytorch, vous écrivez du code pytorch.
Il y a une raison pour laquelle la devise du cours inclut si dans le doute, exécutez le code et l'expérience, l'expérience, l'expérience! .
Mon objectif est de vous aider à faire une chose: apprendre l'apprentissage automatique en écrivant du code pytorch.
Le code est tout écrit via Google Colab Notebooks (vous pouvez également utiliser Jupyter Notebooks), une ressource gratuite incroyable pour expérimenter l'apprentissage automatique.
Que vais-je obtenir si je termine le cours?
Il y a des certificats et tout ce jazz si vous parcourez les vidéos.
Mais les certificats sont meh.
Vous pouvez considérer ce cours comme un créateur de momentum d'apprentissage automatique.
À la fin, vous aurez écrit des centaines de lignes de code pytorch.
Et aura été exposé à bon nombre des concepts les plus importants de l'apprentissage automatique.
Ainsi, lorsque vous allez construire vos propres projets d'apprentissage automatique ou inspecter un projet d'apprentissage automatique public réalisé avec Pytorch, il vous semblera familier et si ce n'est pas le cas, vous saurez du moins où chercher.
Que vais-je construire dans le cours?
Nous commençons par les principes fondamentaux du pytorch et l'apprentissage automatique, donc même si vous êtes nouveau sur Machine Learning, vous serez rattrapé.
Ensuite, nous explorerons des domaines plus avancés, notamment la classification du réseau neuronal Pytorch, les flux de travail Pytorch, la vision par ordinateur, les ensembles de données personnalisés, le suivi des expériences, le déploiement du modèle et mon préféré: l'apprentissage du transfert, une technique puissante pour prendre ce qu'un modèle d'apprentissage automatique a appris sur un autre problème et l'appliquer à la vôtre!
En cours de route, vous construirez trois projets de jalon entourant un projet global appelé FoodVision, un modèle de vision informatique de réseau neuronal pour classer les images de nourriture.
Ces projets marquants vous aideront à vous entraîner à utiliser Pytorch pour couvrir d'importants concepts d'apprentissage automatique et à créer un portfolio que vous pouvez montrer aux employeurs et dire "voici ce que j'ai fait".
Comment commencer?
Vous pouvez lire les matériaux sur n'importe quel appareil, mais ce cours est mieux visualisé et codé dans un navigateur de bureau.
Le cours utilise un outil gratuit appelé Google Colab. Si vous n'avez aucune expérience avec cela, je passerais par le tutoriel GRATUIT d'introduction à Google Colab, puis je reviendrai ici.
Pour commencer:
- Cliquez sur l'un des liens de carnet ou de section ci-dessus comme "00. Pytorch Fundamentals".
- Cliquez sur le bouton "Ouvrir dans Colab" en haut.
- Appuyez sur Shift + Entrez plusieurs fois et voyez ce qui se passe.
Ma question n'est pas répondue
Veuillez laisser une discussion ou envoyez-moi un e-mail directement: Daniel (at) Mrdbourke (dot) com.
Enregistrer
Mises à jour presque quotidiennes de ce qui se passe.
- 15 mai 2023 - Pytorch 2.0 Tutoriel terminé + vidéos ajoutées à ztm / udemy, voir code: https://www.learnpytorch.io/pytorch_2_intro/
- 13 avril 2023 - Mettre à jour le cahier Pytorch 2.0
- 30 mars 2023 - Mettre à jour le carnet Pytorch 2.0 avec plus d'informations / code propre
- 23 mars 2023 - Améliorer le tutoriel Pytorch 2.0 avec annotations et images
- 13 mars 2023 - Ajouter le code de démarrage pour le tutoriel Pytorch 2.0
- 18 novembre 2022 - Ajoutez une référence pour 3 erreurs les plus courantes dans les liens pytorch + vers des sections de cours pour en savoir plus: https://www.learnpytorch.io/pytorch_most_common_errors/
- 9 novembre 2022 - Ajoutez Pytorch Cheatheet pour un aperçu très rapide des principales fonctionnalités de Pytorch + Liens vers les sections de cours: https://www.learnpytorch.io/pytorch_cheatsheet/
- 9 novembre 2022 - Le matériel de cours complet (300+ vidéos) est maintenant en direct sur Udemy! Vous pouvez vous inscrire ici: https://www.udemy.com/course/pytorch-for-eep-learning/?cuponcode=ztmgoodies7 (lancement du code de transaction valide pendant 3-4 jours à partir de cette ligne)
- 4 novembre 2022 - Ajoutez un cahier pour Pytorch Cheatheet dans
extras/ (un aperçu simple de bon nombre des fonctionnalités les plus importantes de Pytorch) - 2 octobre 2022 - Toutes les vidéos pour la section 08 et 09 publiées (plus de 100 vidéos pour les deux dernières sections)!
- 30 août 2022 - Enregistré 15 vidéos pour 09, Total Vidéos: 321, Finis Section 09 Videos !!!! ... encore plus grand que 08 !!
- 29 août 2022 - Enregistré 16 vidéos pour 09, Total Vidéos: 306
- 28 août 2022 - Enregistré 11 vidéos pour 09, Total Vidéos: 290
- 27 août 2022 - Enregistré 16 vidéos pour 09, Total Vidéos: 279
- 26 août 2022 - Ajoutez des touches finales au cahier 09, ajoutez des diapositives pour 09, créez des solutions et des exercices pour 09
- 25 août 2022 - Ajouter les annotations et le nettoyage 09, supprimer les images de nettoyage, faire des diapositives pour 09
- 24 août 2022 - Ajoutez des annotations à 09, principaux à emporter, exercices et parrain extra-curricules
- 23 août 2022 - Ajoutez des annotations à 09, ajoutez beaucoup d'images / diapositives
- 22 août 2022 - Ajoutez des annotations à 09, commencez à travailler sur des diapositives / images
- 20 août 2022 - Ajouter des annotations à 09
- 19 août 2022 - Ajoutez des annotations à 09, découvrez les démos impressionnantes!
- 18 août 2022 - Ajouter des annotations à 09
- 17 août 2022 - Ajouter des annotations à 09
- 16 août 2022 - Ajouter des annotations à 09
- 15 août 2022 - Ajouter des annotations à 09
- 13 août 2022 - Ajouter des annotations à 09
- 12 août 2022 - Ajoutez des fichiers de démonstration pour le cahier 09 à
demos/ , démarrez Annotation Notebook 09 avec le texte expliqueur - 11 août 2022 - Terminez le code squelette pour le carnet 09, terminations de cours Déployant 2x modèles, un pour FoodVision Mini et un pour (secret)
- 10 août 2022 - Ajouter une section pour les ressources supplémentaires de Pytorch (endroits pour en savoir plus sur Pytorch / Deep Learning): https://www.learnpytorch.io/pytorch_extra_resources/
- 09 août 2022 - Ajoutez plus de code squelette au cahier 09
- 08 août 2022 - Créez un projet de carnet pour 09, objectif final pour déployer le mini modèle FoodVision et rendre accessible publiquement
- 05 août 2022 - Enregistré 11 vidéos pour 08, Total Vidéos: 263, section 08 Vidéos terminées! ... La plus grande section jusqu'à présent
- 04 août 2022 - Enregistré 13 vidéos pour 08, Total Vidéos: 252
- 03 août 2022 - Enregistré 3 vidéos pour 08, Total Vidéos: 239
- 02 août 2022 - Enregistré 12 vidéos pour 08, Total Vidéos: 236
- 30 juillet 2022 - Enregistré 11 vidéos pour 08, Total Vidéos: 224
- 29 juillet 2022 - Ajouter des exercices + solutions pour 08, voir la procédure pas à pas sur YouTube: https://youtu.be/tjpw_by8y3g
- 28 juillet 2022 - Ajouter des diapositives pour 08
- 27 juillet 2022 - Nettoyer une grande partie de 08, commencez sur les diapositives pour 08, exercices et extra-curriculum Suivant
- 26 juillet 2022 - Ajouter des annotations et des images pour 08
- 25 juillet 2022 - Ajouter des annotations pour 08
- 24 juillet 2022 - Lancé la première moitié bien sûr (cahiers 00-04) en une seule vidéo (25+ heures !!!) sur YouTube: https://youtu.be/z_ikdlimn6a
- 21 juillet 2022 - Ajouter des annotations et des images pour 08
- 20 juillet 2022 - Ajoutez des annotations et des images pour 08, en vous rapprochant! Ceci est une section épique
- 19 juillet 2022 - Ajouter des annotations et des images pour 08
- 15 juillet 2022 - Ajouter des annotations et des images pour 08
- 14 juillet 2022 - Ajouter des annotations pour 08
- 12 juillet 2022 - Ajouter des annotations pour 08, woo woo c'est la section bigggg!
- 11 juillet 2022 - Ajouter des annotations pour 08
- 9 juillet 2022 - Ajouter des annotations pour 08
- 8 juillet 2022 - Ajoutez un tas d'annotations à 08
- 6 juillet 2022 - Course lancé sur la ZTM Academy avec des vidéos pour les sections 00-07! - https://dbourke.link/ztmpytorch
- 1er juillet 2022 - Ajouter des annotations et des images pour 08
- 30 juin 2022 - Ajouter des annotations pour 08
- 28 juin 2022 - Enregistré 11 vidéos pour la section 07, le nombre total de vidéos 213, toutes les vidéos de la section 07 terminées!
- 27 juin 2022 - Enregistré 11 vidéos pour la section 07, nombre total de vidéos 202
- 25 juin 2022 - 7 vidéos recréées pour la section 06 pour inclure des API mises à jour, le nombre total de vidéos 191
- 24 juin 2022 - Recréé 12 vidéos pour la section 06 pour inclure des API mises à jour
- 23 juin 2022 - Terminer les annotations pour 07, ajouter le modèle d'exercice et les solutions pour 07 + Procédure vidéo sur YouTube: https://youtu.be/co_r2fycaju
- 21 juin 2022 - Rendre 08 Runnable de bout en bout, ajouter des images et des annotations pour 07
- 17 juin 2022 - Corrigez 06, 07 V2 pour la prochaine mise à niveau de la version TorchVision, ajoutez beaucoup d'annotations à 08
- 13 juin 2022 - Ajouter le Notebook 08 Première version, commençant à reproduire le papier du transformateur de vision
- 10 juin 2022 - Ajouter des annotations pour 07 v2
- 09 juin 2022 - Créez 07 V2 pour
torchvision V0.13 (cela remplacera 07 V1 lorsque torchvision=0.13 est libéré) - 08 juin 2022 - Adapt 06 V2 pour
torchvision V0.13 (cela remplacera 06 V1 lorsque torchvision=0.13 est libéré) - 07 juin 2022 - Créer un carnet 06 V2 pour la prochaine mise à jour
torchvision V0.13 (nouvelles méthodes d'apprentissage du transfert) - 04 juin 2022 - Ajouter des annotations pour 07
- 03 juin 2022 - Huuuuuuge Montant d'annotations ajoutés à 07
- 31 mai 2022 - Ajoutez un tas d'annotations pour 07, rendez le code à exécuter de bout en bout
- 30 mai 2022 - Enregistrez 4 vidéos pour 06, section terminée 06, sur la section 07, Total Vidéos 186
- 28 mai 2022 - Enregistrer 10 vidéos pour 06, Total Vidéos 182
- 24 mai 2022 - Ajouter des solutions et des exercices pour 06
- 23 mai 2022 - Annotations et images terminées pour 06, temps pour faire des exercices et des solutions
- 22 mai 2202 - Ajoutez beaucoup d'images à 06
- 18 mai 2022 - Ajoutez beaucoup d'annotations à 06
- 17 mai 2022 - Ajout d'un tas d'annotations pour la section 06
- 16 mai 2022 - Enregistré 10 vidéos pour la section 05, terminer les vidéos de la section 05 ✅
- 12 mai 2022 - Ajout d'exercices et de solutions pour 05
- 11 mai 2022 - Nettoyez les ordinateurs portables de la partie 1 et 2 pour 05, faites des diapositives pour 05, commencez sur les exercices et les solutions pour 05
- 10 mai 2022 - Huuuuge Mises à jour de la section 05, voir le site Web, il a l'air jolie: https://www.learnpytorch.io/05_pytorch_gout_modular/
- 09 mai 2022 - Ajoutez un tas de matériaux pour 05, Doct de nettoyage
- 08 mai 2022 - Ajoutez un tas de matériaux pour 05
- 06 mai 2022 - Continuez à faire du matériel pour 05
- 05 mai 2022 - Mettez à jour la section 05 avec des titres / contour
- 28 avril 2022 - enregistré 13 vidéos pour 04, vidéos terminées pour 04, maintenant pour fabriquer du matériel pour 05
- 27 avril 2022 - Enregistré 3 vidéos pour 04
- 26 avril 2022 - Enregistré 10 vidéos pour 04
- 25 avril 2022 - Enregistré 11 vidéos pour 04
- 24 avril 2022 - Diapositives préparées pour 04
- 23 avril 2022 - Enregistré 6 vidéos pour 03, vidéos terminées pour 03, maintenant à 04
- 22 avril 2022 - enregistré 5 vidéos pour 03
- 21 avril 2022 - Enregistré 9 vidéos pour 03
- 20 avril 2022 - Enregistré 3 vidéos pour 03
- 19 avril 2022 - Enregistré 11 vidéos pour 03
- 18 avril 2022 - Exercices de finition / solutions pour 04, Ajout de la procédure pas à pas de 04 exercices / solutions sur YouTube: https://youtu.be/vsfmf9wqwx0
- 16 avril 2022 - Exercices de finition / solutions pour 03, Ajout de la procédure pas à pas de 03 exercices / solutions sur YouTube: https://youtu.be/_pibmqpeyha
- 14 avril 2022 - Ajouter des images finales / annotations pour 04, commencez sur les exercices / solutions pour 03 & 04
- 13 avril 2022 - Ajoutez plus d'images / annotations pour 04
- 3 avril 2022 - Ajoutez plus d'annotations pour 04
- 2 avril 2022 - Ajoutez plus d'annotations pour 04
- 1 avril 2022 - Ajoutez plus d'annotations pour 04
- 31 mars 2022 - Ajoutez plus d'annotations pour 04
- 29 mars 2022 - Ajoutez plus d'annotations pour 04
- 27 mars 2022 - Commencer à ajouter des annotations pour 04
- 26 mars 2022 - Faire un ensemble de données pour 04
- 25 mars 2022 - Faites des diapositives pour 03
- 24 mars 2022 - Correction d'une erreur pour 03 ne fonctionne pas dans les documents (enfin)
- 23 mars 2022 - Ajoutez plus d'images pour 03
- 22 mars 2022 - Ajouter des images pour 03
- 20 mars 2022 - Ajoutez plus d'annotations pour 03
- 18 mars 2022 - Ajouter plus d'annotations pour 03
- 17 mars 2022 - Ajoutez plus d'annotations pour 03
- 16 mars 2022 - Ajoutez plus d'annotations pour 03
- 15 mars 2022 - Ajoutez plus d'annotations pour 03
- 14 mars 2022 - Commencez à ajouter des annotations pour le cahier 03, voir le travail en cours ici: https://www.learnpytorch.io/03_pytorch_computer_vision/
- 12 mars 2022 - Enregistré 12 vidéos pour 02, section terminée 02, maintenant sur la fabrication du matériel pour 03, 04, 05
- 11 mars 2022 - Enregistré 9 vidéos pour 02
- 10 mars 2022 - Enregistré 10 vidéos pour 02
- 9 mars 2022 - Nettoyer les diapositives / code pour 02, se préparer à l'enregistrement
- 8 mars 2022 - Enregistré 9 vidéos pour la section 01, terminé la section 01, maintenant sur 02
- 7 mars 2022 - Enregistré 4 vidéos pour la section 01
- 6 mars 2022 - Enregistré 4 vidéos pour la section 01
- 4 mars 2022 - Enregistré 10 vidéos pour la section 01
- 20 février 2022 - Enregistré 8 vidéos pour la section 00, section terminée, maintenant sur 01
- 18 février 2022 - Enregistré 13 vidéos pour la section 00
- 17 février 2022 - Enregistré 11 vidéos pour la section 00
- 16 février 2022 - Guide de configuration ajouté
- 12 février 2022 - Tidy Up Readme avec table de matériaux de cours, terminer les images et les diapositives pour 01
- 10 février 2022 - Diapositives terminées et images pour 00, le cahier est prêt pour la publication: https://www.learnpytorch.io/00_pytorch_fundamentals/
- 01-07 février 2022 - Ajouter des annotations pour 02, terminées, il a toujours besoin d'images, va travailler sur des exercices / solutions aujourd'hui
- 31 janvier 2022 - Commencez à ajouter des annotations pour 02
- 28 janvier 2022 - Ajouter des exercices et des solutions pour 01
- 26 janvier 2022 - Beaucoup plus d'annotations à 01, devraient être terminées demain, fera des exercices + des solutions alors aussi
- 24 janvier 2022 - Ajoutez un tas d'annotations à 01
- 21 janvier 2022 - Commencez à ajouter des annotations pour 01
- 20 janvier 2022 - Terminer les annotations pour 00 (il faut encore ajouter des images), ajouter des exercices et des solutions pour 00
- 19 janvier 2022 - Ajouter plus d'annotations pour 00
- 18 janvier 2022 - Ajouter plus d'annotations pour 00
- 17 janvier 2022 - De retour des vacances, ajoutant plus d'annotations à 00
- 10 décembre 2021 - Commencez à ajouter des annotations pour 00
- 9 décembre 2021 - Création d'un site Web pour le cours (LearnpyTorch.io) Vous verrez les mises à jour publiées au fur et à mesure que le développement se poursuit
- 8 décembre 2021 - Nettoyez le Notebook 07, en commençant à revenir par le code et ajouter des annotations
- 26 novembre 2021 - Terminer le code squelette pour 07, a ajouté quatre expériences différentes, doit nettoyer et rendre plus simple
- 25 novembre 2021 - Code Clean pour 06, ajouter du code squelette pour 07 (suivi de l'expérience)
- 24 novembre 2021 - Mise à jour 04, 05, 06 Notes de carnet pour une digestion et un apprentissage plus faciles, chaque section doit couvrir un maximum de 3 grandes idées, 05 est désormais dédiée à la transformation du code de cahiers en code modulaire
- 22 novembre 2021 - Mise à jour 04 Fonctions de train et de test pour rendre plus simple
- 19 novembre 2021 - Ajouté 05 (apprentissage de transfert), mise à jour du code de chargement des données personnalisé dans 04
- 18 novembre 2021 - Code de vision mis à jour pour 03 et ajout du code de chargement de données personnalisé dans 04
- 12 novembre 2021 - Ajout d'un tas de code squelette au cahier 04 Pour le chargement de données personnalisés, la modélisation est la modélisation avec des données personnalisées
- 10 novembre 2021 - Recherche des meilleures pratiques pour les ensembles de données personnalisés pour 04
- 9 novembre 2021 - Mettre à jour le code squelette 03 pour terminer la construction du modèle CNN, sur 04 pour charger des ensembles de données personnalisés
- 4 novembre 2021 - Ajoutez du code GPU à 03 + Train / Test Loops +
helper_functions.py - 3 novembre 2021 - Ajouter un démarrage de base pour 03, allant finir d'ici la fin de la semaine
- 29 octobre 2021 - Code squelette rangé pour 02, encore quelques choses supplémentaires à nettoyer / bien rangé, créé 03
- 28 octobre 2021 - Code squelette terminé pour 02, allant nettoyer / ranger demain, 03 la semaine prochaine
- 27 octobre 2021 - Ajoutez un tas de code pour 02, allant terminer demain / à la fin de la semaine
- 26 octobre 2021 - Mise à jour 00, 01, 02 avec contour / code, code squelette pour 00 et 01 fait, 02 Suivant
- 23, 24 octobre 2021 - Mise à jour 00 et 01 ordinateurs portables avec plus de contour / code
- 20 octobre 2021 - Ajouter des contours V0 pour 01 et 02, ajoutez un contour approximatif bien sûr à Readme, ce cours se concentrera sur moins mais mieux
- 19 octobre 2021 - Démarrer Repo, Ajouter Fundamentals Notebook Draft V0
