Pytorch Knowledge

Pytorch 学習マニュアル

ほとんどの機械学習ワークフローには、データの処理、モデルの作成、モデル パラメーターの最適化、トレーニングされたモデルの保存が含まれます。 このチュートリアルでは、PyTorch に実装された完全な ML ワークフローを紹介し、各概念について詳しく学ぶためのリンクを提供します。

このチュートリアルでは、機械学習と深層学習の基本的な知識を取り上げ、回归分类问题と、 CNN 、 RNN 、 fastaiなどの深層学習の多くのよく知られた基本フレームワークを取り上げます。

Facebook の公式チュートリアル カタログでは、 FashionMNISTデータセットを使用して、入力画像が次のカテゴリのいずれかに属するかどうかを予測するニューラル ネットワークをトレーニングします: T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包、または脚踝。

Pytorch 深層学習の実用的なカタログは、最も単純な線形回帰問題から始まり、徐々に複雑な深層学習モデルに移行します。

このチュートリアルは、Python と深層学習の概念について基本的な知識があることを前提としています。ドキュメント (Facebook 公式チュートリアル) は Pytorch 公式 Web サイトからの翻訳です

チュートリアルコードを実行する

このチュートリアルはいくつかの方法で実行できます。

• 雲の中で
• ローカル: このオプションでは、最初にローカル マシン上で PyTorch と TorchVision をセットアップする必要があります (インストール手順)。 コードをお気に入りの IDE にコピーします。

Facebook公式チュートリアルディレクトリ

1. テンソル
2. データセットとデータローダー
3. 変換

Pytorchディープラーニング実践ディレクトリ

1. 線形回帰問題と非線形回帰問題
2. ロジスティック回帰問題
3. CNN の動作: 手書きフォント認識
4. 転移学習: AlexNet を使用して猫と犬の分類を実装する
5. RNN の実践: LSTM を使用して関数予測を実現する
6. GAN の実践: GAN を使用して柴犬のアバターを生成する