Pytorch Knowledge

Panduan Pembelajaran Pytorch

Sebagian besar alur kerja pembelajaran mesin melibatkan pemrosesan data, pembuatan model, pengoptimalan parameter model, dan penyimpanan model yang dilatih. Tutorial ini memperkenalkan Anda pada alur kerja ML lengkap yang diterapkan di PyTorch dan menyediakan tautan untuk mempelajari lebih lanjut setiap konsep.

Tutorial ini akan mencakup pengetahuan dasar pembelajaran mesin dan pembelajaran mendalam, mencakup回归分类问题dan banyak kerangka dasar pembelajaran mendalam yang terkenal, seperti CNN , RNN , fastai , dll.

Katalog tutorial resmi Facebook akan menggunakan dataset FashionMNIST untuk melatih jaringan saraf yang memprediksi apakah gambar masukan termasuk dalam salah satu kategori berikut: T 恤/上衣,裤子,套头衫,连衣裙,外套,凉鞋,衬衫,运动鞋,包, atau脚踝.

Katalog praktik pembelajaran mendalam Pytorch akan dimulai dengan masalah regresi linier paling sederhana dan secara bertahap beralih ke model pembelajaran mendalam yang kompleks.

Tutorial ini mengasumsikan Anda memiliki pemahaman dasar tentang Python dan konsep pembelajaran mendalam. Dokumen (tutorial resmi Facebook) diterjemahkan dari situs resmi Pytorch

Jalankan kode tutorialnya

Anda dapat menjalankan tutorial ini dengan beberapa cara:

• di awan
• Lokal: Opsi ini mengharuskan Anda menyiapkan PyTorch dan TorchVision terlebih dahulu di mesin lokal Anda (petunjuk instalasi). Salin kode ke IDE favorit Anda.

Direktori tutorial resmi Facebook

1. Tensor
2. Kumpulan Data dan DataLoader
3. Berubah

Direktori praktis pembelajaran mendalam Pytorch

1. Masalah regresi linier dan nonlinier
2. masalah regresi logistik
3. CNN beraksi: Pengenalan font tulisan tangan
4. Pembelajaran transfer: Menggunakan AlexNet untuk mengimplementasikan klasifikasi kucing dan anjing
5. Latihan RNN: menggunakan LSTM untuk mencapai prediksi fungsi
6. Latihan GAN: Gunakan GAN untuk menghasilkan avatar Shiba Inu