thorough pytorch
1.0.0
Penting
Alamat Bacaan Online | Tutorial Video Mendukung | Zhihai (Platform Ilmu dan Pendidikan AI Nasional)
Harap dicatat: Pembaruan Dokumen Online Lag di belakang pembaruan repositori utama. Disarankan untuk melihat file markdown di folder sumber.
Pytorch adalah alat penting untuk penelitian ilmu data menggunakan pembelajaran mendalam. Ini memiliki keunggulan yang cukup besar dalam fleksibilitas, keterbacaan, dan kinerja. Dalam beberapa tahun terakhir, ini telah menjadi kerangka kerja yang paling umum digunakan untuk menerapkan algoritma pembelajaran mendalam di komunitas akademik.
Mempertimbangkan bahwa pembelajaran Pytorch memiliki cadangan teoretis dan pelatihan langsung, dan kedua tangan harus kuat, kami telah mengembangkan kursus "mudah dipahami Pytorch", berharap dapat membantu semua orang dari mulai menguasai alat-alat Pytorch dalam bentuk pembelajaran tim, dan kemudian menerapkan algoritma pembelajaran yang mendalam.
Visi kami adalah: Melalui pembelajaran tim, semua orang dapat menguasai pengetahuan dan konten dasar Pytorch dari dangkal ke dalam, dan memperdalam kemahiran mereka melalui praktik langsung mereka sendiri. Pada saat yang sama, melalui operasi proyek yang sebenarnya, kami dapat sepenuhnya melatih keterampilan pemrograman kami, menguasai proses dasar Pytorch dalam pembelajaran mendalam, dan meningkatkan kemampuan kami untuk menyelesaikan masalah praktis.
Prasyarat untuk belajar adalah untuk dapat menggunakan pemrograman Python, memahami algoritma pembelajaran mesin termasuk jaringan saraf, dan rajin dalam praktik langsung.
"Mudah dimengerti Pytorch" adalah seri dengan total tiga bagian. Bagian pertama dan kedua dari seri ini sudah online. "Pytorch yang mendalam dan mudah dipahami" (Bagian 2) akan diperbarui di masa depan untuk memberikan kasus-kasus praktis yang lebih sesuai dengan aplikasi praktis.
| anggota | Profil pribadi | Beranda pribadi |
|---|---|---|
| Niu Zhikang | Anggota Datawhale, Mahasiswa Sarjana Universitas Ilmu dan Teknologi Elektronik Xi'an | [Zhihu] [Halaman Beranda Pribadi] |
| Li Jiaqi | Anggota Datawhale, mahasiswa pascasarjana Universitas Tsinghua | [Zhihu] |
| Liu Yang | Anggota DataWhale, mahasiswa pascasarjana di Institute of Mathematics and Systems Science, Chinese Academy of Sciences | [Zhihu] |
| Chen Andong | Anggota Datawhale, mahasiswa pascasarjana Institut Teknologi Harbin | [Halaman Beranda Pribadi] |
Status Kontribusi Tutorial (kursus sudah online):
Li Jiaqi: Bab 3; Bab 4; Bab 5; Bab 6; Bab 7; Bab 8; Integrasi konten
Niu Zhikang: Bab 1; Bab 3; Bab 6; Bab 7; Bab 8, Bab 9, Bab 10; Penerapan Dokumen
Liu Yang: Bab 2; Bab 3
Chen Andong: Bab 2; Bab 3; Bab 7
Untuk beberapa penjelasan langsung bab, silakan tonton pemutaran stasiun B (terus diperbarui): https://www.bilibili.com/video/bv1l44y1472z
Orkestrasi Kursus: Pytorch yang mendalam dan mudah dipahami dibagi menjadi tiga tahap: Pengetahuan dasar pembelajaran mendalam Pytorch, operasi lanjutan Pytorch, dan analisis kasus Pytorch.
Bagaimana menggunakan:
Konten kursus kami disimpan dalam format repositori ini dalam format markdown atau format notebook Jupyter. Selain membaca lebih banyak untuk memperdalam pemahaman konten kursus, yang paling penting adalah berlatih, berlatih, berlatih
Pengaturan Pembelajaran Tim:
Bagian 1: Bab 1 hingga Bab 4, Siklus Studi: 10 Hari;
Bagian 2: Bab 5 hingga Bab 8, Siklus Pembelajaran: 11 Hari
Proyek ini menggunakan alur kerja Forking . Untuk detailnya, lihat dokumen Atlassian, langkah -langkahnya adalah sebagai berikut:
upstream dan nonaktifkan pushlecture{#NO} , dan #NO tetap dua digit, seperti lecture07 , sesuai dengan direktori kursusContoh Perintah:
# fork
# clone
git clone [email protected]:USERNAME/thorough-pytorch.git
# set upstream
git remote add upstream [email protected]:datawhalechina/thorough-pytorch.git
# disable upstream push
git remote set-url --push upstream DISABLE
# verify
git remote -v
# some sample output:
# origin [email protected]:NoFish-528/thorough-pytorch.git (fetch)
# origin [email protected]:NoFish-528/thorough-pytorch.git (push)
# upstream [email protected]:datawhalechina/thorough-pytorch.git (fetch)
# upstream DISABLE (push)
# do your work
git checkout -b lecture07
# edit and commit and push your changes
git push -u origin lecture07
# keep your fork up to date
# # fetch upstream main and merge with forked main branch
git fetch upstream
git checkout main
git merge upstream/main
# # rebase brach and force push
git checkout lecture07
git rebase main
git push -f Kirimkan informasi menggunakan format berikut: <type>: <short summary>
<type>: <short summary>
│ │
│ └─⫸ Summary in present tense. Not capitalized. No period at the end.
│
└─⫸ Commit Type: [docs #NO]:others
others termasuk perubahan yang tidak terkait dengan kursus, seperti perubahan dalam README.md ini, penyesuaian .gitignore , dll.
| isi | Perbarui waktu | isi |
|---|---|---|
| puncak | PENDAHULUAN DAN PENGGUNAAN APEX | |
| Penyebaran model | Flask menggunakan model pytorch | |
| Torchscript | Torchscript | |
| Pelatihan paralel | Pelatihan paralel | |
| Model Pra -Pelatihan - TorchHub | Pendahuluan dan Penggunaan Torchhub | |
| Deteksi Target - SSD | Pendahuluan dan implementasi SSD | |
| Deteksi Objek - Seri RCNN | FAST-RCNN & MASK-RCNN | |
| Deteksi target - detr | Implementasi detr | |
| Klasifikasi Gambar - Googlelenet | PENDAHULUAN DAN IMLAMPENSI GOOGLELENET | |
| Klasifikasi Gambar - Seri MobileNet | Pendahuluan dan Implementasi Seri MobileNet | |
| Klasifikasi Gambar - Ghostnet | Penjelasan Kode Ghostnet | |
| Jaringan permusuhan generatif - praktik digital tulisan tangan generatif | Menghasilkan angka dan memvisualisasikannya | |
| Jaringan permusuhan generatif - DCGAN | ||
| Transfer Gaya - StyleGan | ||
| Hasilkan Jaringan - VAE | ||
| Seri DeePlab Segmentasi Gambar | Penjelasan Kode Seri DEEPLAB | |
| LSTM Pemrosesan Bahasa Alami | Praktek Analisis Emosional LSTM | |
| Transformator pemrosesan bahasa alami | ||
| Bert Bahasa Alami | ||
| video | Untuk ditentukan | |
| Audio | Untuk ditentukan | |
| Ekstensi dan Operator CUDA Kustom |
Dibuat dengan contrib.rocks.
Karya ini dilisensikan di bawah Lisensi Internasional Atribusi-Non-Commercial-Share 4.0 Creative Commons.
