code of learn deep learning with pytorch

Pytorch

Pytorch와의 딥 러닝을 배우십시오

이 책을 구입해 주셔서 대단히 감사합니다. 이 Github 저장소에는 딥 러닝에 대한 소개 인 Pytorch의 예제 코드가 포함되어 있습니다. 제한된 수준으로 인해이 책을 쓸 때 온라인 정보를 언급했으며 여기에 저의 존경을 표명하고 싶습니다. 딥 러닝 기술이 빠르게 발전함에 따라 Pytorch는 끊임없이 업데이트 되며이 책을 완성 할 때 다루지 않은 많은 분야가 있으므로이 저장소는 두 번째 책을 구매하기위한 후속 서비스로 업데이트됩니다. 딥 러닝을 시작하기위한 길에서 슬림 한 힘을 제공 할 수 있기를 바랍니다.

참고 : Pytorch 버전의 변경으로 인해 책의 코드에는 버그가있을 수 있으므로 모든 코드는 주로이 github의 코드를 기반으로합니다.

환경을 구성하십시오

이 책은 이미 Anaconda를 기반으로 Python 환경을 구성하고 Pytorch를 설치하는 방법을 자세히 설명했습니다. 자신의 컴퓨터를 사용하고 NVIDIA 그래픽 카드를 가지고 있다면 딥 러닝의 세계에 행복하게 들어갈 수 있습니다. NVIDIA 그래픽 카드가 없다면 딥 러닝 여행을 배우는 데 도움이되는 클라우드 컴퓨팅 플랫폼이 필요합니다. AWS 컴퓨팅 플랫폼을 구성하는 방법

다음 코스 카탈로그는 컨텐츠가 두 번째 판으로 업데이트되고 있으며 두 번째 버전이 곧 출시 될 것이기 때문에이 책의 카탈로그와 다릅니다! !

코스 카탈로그

Part1 : 딥 러닝의 기본

• 2 장 : Pytorch 기본

  • 텐서와 가변
  • 자동 지침 메커니즘
  • 동적 및 정적 이미지

• 3 장 : 신경망

  • 선형 모델 및 그라디언트 하강
  • 로지스틱 회귀 및 최적화기
  • 다층 신경망, 순차 및 모듈
  • 깊은 신경망
  • 매개 변수 초기화 방법
  • 최적화 알고리즘
    • sgd
    • 운동량 방법
    • 아다 그라드
    • rmsprop
    • Adadelta
    • 아담

• 4 장 : Convolutional Neural Networks

  • Pytorch의 컨볼 루션 모듈
  • 배치 정규화
  • 반복 요소를 사용한 딥 네트워크, VGG
  • 보다 풍부한 네트워크 구조, Googlelenet
  • 깊은 잔류 네트워크, RESNET
  • Densenet
  • 더 나은 교육 컨볼 루션 네트워크
    • 데이터 향상
    • 정규화
    • 학습 속도 부패

• 5 장 : 반복 신경 네트워크

  • 반복 신경 네트워크 모듈 : LSTM 및 GRU
  • 이미지 분류에 RNN 사용
  • RNN을 사용한 시계열 분석
  • 자연어 처리의 응용 :
    • 단어 임베딩
    • N- 그램 모델
    • SEQ-LSTM은 부분의 일부 예측을합니다

• 6 장 : 대적 네트워크 생성

  • 자동 인코더
  • 변형 자동 인코더
  • 대적 네트워크를 생성합니다
  • DCGAN (Deep Convolutional Adversarial Networks)은 인간의 얼굴을 생성합니다

• 7 장 : 깊은 강화 학습

  • Q 학습
  • AI 체육관을 엽니 다
  • 깊은 Q- 네트워크

• 8 장 : Pytorch Advanced

  • 텐서 보드 시각화
  • 유연한 데이터 읽기 소개
  • AutoGrad.Function 소개
  • 데이터 병렬 처리 및 멀티 GPU
  • Onnx를 사용하여 CAFFE2 모델로 변환하십시오
  • 훈련 된 신경망을 배포하는 방법
  • 나만의 Pytorch 사용 습관을 만드십시오

Part2 : 딥 러닝의 적용

• 9 장 : 컴퓨터 비전

  • 미세 조정 : 미세 조정을 통해 학습을 전송합니다
  • Kaggle의 첫 경험 : 고양이와 개 전투
  • 시맨틱 세분화 : FCN을 통해 픽셀 레벨 분류를 구현합니다
  • 픽셀에서 픽셀 생성 적대적 네트워크
  • 신경 전송 : 컨볼 루션 네트워크를 통한 스타일 전송 구현
  • Deep Dream : Convolutional Networks의 눈에 세상을 탐험

• 10 장 : 자연어 처리

  • Char Rnn은 텍스트 생성을 구현합니다
  • 이미지 캡션 : 이미지 자막 생성을 구현하십시오
  • SEQ2SEQ는 기계 번역을 구현합니다
  • CNN + RNN + 텍스트 인식을 실현하기위한주의

다른 자원

딥 러닝을위한 공개 과정 및 학습 자료는 저의 저장소를 참조하십시오.

내 Zhihu 칼럼과 블로그를 팔로우 할 수 있으며 종종 딥 러닝 기사를 공유하게됩니다.

Pytorch에 대한 자원

내 github Repo Pytorch-Beginner

Pytorch-tutorial

비교할 수없는 피토치

실용적인 파이터

Pytorchzerotoall

굉장한 피토치-리스트

승인

이 책의 두 번째 판의 일부는 MXNet Gluon의 중국 튜토리얼을 말하며 MXNET/Gluon을 사용하여 딥 러닝을 배우십시오.

Gluon은 Pytorch와 매우 유사한 프레임 워크입니다. 매우 간단하고 사용하기 쉽습니다. 나는 당신이 그것을 배우고 모든 중국어로 가르치는 Gluon의 중국 과정을 추천하고, 비디오 및 코드 관행을 권장합니다. 가장 포괄적 인 중국 딥 러닝 튜토리얼이라고 할 수 있습니다.