pytorch deep learning
1.0.0
Zero to Masteryへようこそ、Pytorch for Deep Learningコースを学びます。これは、インターネット上でPytorchを学ぶのに最適な2番目の場所です（最初はPytorchドキュメントです）。
| セクション | それは何をカバーしていますか？ | エクササイズとカリキュラム | スライド |
|---|---|---|---|
| 00 -Pytorch Fundamentals | 深い学習およびニューラルネットワークに使用される多くの基本的なPytorch操作。 | エクササイズと課外に移動します | スライドに移動します |
| 01 -Pytorchワークフロー | 深い学習の問題に近づき、Pytorchを使用してニューラルネットワークを構築するための概要を提供します。 | エクササイズと課外に移動します | スライドに移動します |
| 02 -Pytorch Neural Network分類 | 01のPytorchワークフローを使用して、ニューラルネットワーク分類の問題を経ます。 | エクササイズと課外に移動します | スライドに移動します |
| 03 -Pytorchコンピュータービジョン | 01＆02の同じワークフローを使用して、コンピュータービジョンの問題にPytorchをどのように使用できるかを見てみましょう。 | エクササイズと課外に移動します | スライドに移動します |
| 04 -Pytorchカスタムデータセット | Pytorchにカスタムデータセットをどのようにロードしますか？また、モジュラーコード（05でカバー）のために、このノートブックの基礎を敷設します。 | エクササイズと課外に移動します | スライドに移動します |
| 05 -Pytorch Going Modular | Pytorchはモジュール式になるように設計されています。作成したものを一連のPythonスクリプトに変えましょう（これは、WildでPytorchコードを頻繁に見つける方法です）。 | エクササイズと課外に移動します | スライドに移動します |
| 06 -Pytorch転送学習 | よく実行される事前に訓練されたモデルを取り、それを私たち自身の問題の1つに調整しましょう。 | エクササイズと課外に移動します | スライドに移動します |
| 07-マイルストーンプロジェクト1：Pytorch実験追跡 | 私たちはたくさんのモデルを構築しました...それらがどのように進んでいるかを追跡するのは良いことではないでしょうか？ | エクササイズと課外に移動します | スライドに移動します |
| 08-マイルストーンプロジェクト2：Pytorch Paperの複製 | Pytorchは、機械学習研究のための最も人気のある深い学習フレームワークです。機械学習用紙を複製することで、その理由を見てみましょう。 | エクササイズと課外に移動します | スライドに移動します |
| 09-マイルストーンプロジェクト3：モデルの展開 | それで、私たちは実用的なPytorchモデルを構築しました...どうすれば他の人の手にそれを手に入れますか？ヒント：インターネットに展開します。 | エクササイズと課外に移動します | スライドに移動します |
| Pytorch余分なリソース | このコースでは、大量のPytorchと深い学習をカバーしていますが、機械学習の分野は膨大です。ここには、Pytorch and Deep Learning、ML Engineering、NLP（自然言語処理）、時系列データ、データセットなどを見つけるための推奨される本とリソースがあります。 | - | - |
| Pytorchチートシート | Pytorch Plusの主要な機能のいくつかの非常に簡単な概要と、コースやPytorchのドキュメントにさらに多くのリソースがあります。 | - | - |
| 簡単なPytorch 2.0チュートリアル | Pytorch 2.0の紹介、何が新しいものであり、リソースと一緒に始める方法を学ぶ方法を紹介します。 | - | - |
すべての資料が完成し、ゼロからマスタリーで公開されたビデオ！
作業中のボードについては、プロジェクトページ-https：//github.com/users/mrdbourke/projects/1を参照してください
ほぼ毎日の更新については、ログを参照してください。
あなた：機械学習や深い学習の分野の初心者であり、Pytorchを学びたいと思っています。
このコースは、 Pytorchと多くの機械学習の概念を、実践的なコードファーストの方法で教えます。
すでに機械学習で1年以上の経験がある場合、このコースは役立つかもしれませんが、初心者に優しいように特別に設計されています。
1と2については、ゼロからマスタリーデータサイエンスと機械学習ブートキャンプをお勧めします。機械学習とPythonの基本をお勧めします（偏見がありますが、そのコースも教えています）。
すべてのコース資料は、Learnpytorch.ioのオンラインブックで無料で入手できます。あなたが読みたいなら、私はそこでリソースを調べることをお勧めします。
ビデオを介して学習したい場合は、コースも見習いスタイルの形式で教えられています。つまり、Pytorchコードを書いて、Pytorchコードを書きます。
コースのモットーには、疑わしい場合は、コードと実験、実験、実験を含む場合は含まれます。 。
私の全体の目標は、Pytorchコードを書くことで機械学習を学ぶことができることです。
このコードはすべて、Google Colabノートブック（Jupyter Notebooksを使用することもできます）を介して書かれています。これは、機械学習を実験するための信じられないほどの無料リソースです。
ビデオを調べると、証明書とすべてのジャズがあります。
しかし、証明書はmehです。
このコースは、機械学習の勢いビルダーと考えることができます。
最後に、Pytorchコードの数百行を書きました。
また、機械学習における最も重要な概念の多くにさらされています。
したがって、独自の機械学習プロジェクトを構築したり、Pytorchで作られた公共機械学習プロジェクトを検査したりすると、馴染みがあり、そうでない場合は、少なくともどこを見るべきかがわかります。
私たちは、Pytorchと機械学習のBarebone Fundamentalsから始めます。したがって、機械学習が初めてあっても、スピードに巻き込まれます。
次に、Pytorch Neural Networkの分類、Pytorchワークフロー、コンピュータービジョン、カスタムデータセット、実験追跡、モデルの展開、私の個人的なお気に入りなど、より高度な領域を探索します。転送学習、1つの機械学習モデルが別の問題で学んだことを採用し、独自に適用するための強力なテクニックです。
途中で、食品の画像を分類するためのニューラルネットワークコンピュータービジョンモデルであるFoodvisionと呼ばれる包括的なプロジェクトを取り巻く3つのマイルストーンプロジェクトを構築します。
これらのマイルストーンプロジェクトは、Pytorchを使用して重要な機械学習の概念をカバーし、雇用主に「ここに私がやったことがある」と言うことができるポートフォリオを作成することを練習するのに役立ちます。
任意のデバイスで素材を読むことができますが、このコースはデスクトップブラウザー内で視聴およびコード化されています。
このコースでは、Google Colabと呼ばれる無料ツールを使用しています。経験がない場合は、Google Colabチュートリアルの無料紹介を行ってからここに戻ってきます。
開始する：
ディスカッションを残すか、メールを直接送ってください：Daniel（at）Mrdbourke（dot）com。
何が起こっているかのほぼ毎日の更新。
extras/ （Pytorchの最も重要な機能の多くの簡単な概要）demos/に追加し、説明を開始します。torchvision v0.13用に07 V2を作成します（ torchvision=0.13リリースされると07 V1に置き換わります）torchvision v0.13に適応06 V2（ torchvision=0.13リリースされると06 V1を置き換えます）torchvision v0.13アップデート用のノート06 V2を作成する（新しい転送学習方法）helper_functions.pyにGPUコードを追加する
