thorough pytorch
1.0.0
중요한
온라인 읽기 주소 | 비디오 자습서 지원 | Zhihai (National AI Science and Education Platform)
참고 : 온라인 문서 업데이트는 기본 저장소 업데이트 뒤에 지연됩니다. 소스 폴더의 Markdown 파일을 보는 것이 좋습니다.
Pytorch는 딥 러닝을 사용하여 데이터 과학 연구를위한 중요한 도구입니다. 유연성, 가독성 및 성능에 상당한 장점이 있습니다. 최근 몇 년 동안, 그것은 학계에서 딥 러닝 알고리즘을 구현하는 데 가장 일반적으로 사용되는 프레임 워크가되었습니다.
Pytorch의 학습에는 이론적 인 준비금과 실습 교육이 모두 있으며 양손이 강해야한다는 점을 고려할 때, 우리는 "이해하기 쉬운 Pytorch"코스를 개발하여 모든 사람들이 팀 학습 형태로 Pytorch 도구를 마스터하는 것에 이르기까지 자신의 심해 알고리즘을 구현하도록 도와주었습니다.
우리의 비전은 : 팀 학습을 통해 모든 사람은 Pytorch의 기본 지식과 내용을 얕은 곳에서 깊게 습득하고 자신의 실습 연습을 통해 숙련도를 심화시킬 수 있습니다. 동시에 실제 프로젝트 운영을 통해 프로그래밍 기술을 완전히 훈련시키고 딥 러닝에서 Pytorch의 기본 프로세스를 마스터하며 실제 문제를 해결하는 능력을 향상시킬 수 있습니다.
학습의 전제 조건은 Python 프로그래밍을 사용하고 신경망을 포함한 기계 학습 알고리즘을 이해하고 실습 연습에 부지런히해야합니다.
"쉽게 이해하기 쉬운 pytorch"는 총 세 부분이있는 시리즈입니다. 이 시리즈의 첫 번째 및 두 번째 부분은 이미 온라인 상태입니다. "심층적이고 이해하기 쉬운 Pytorch"(2 부)는 미래에 업데이트되어 실용적인 응용 프로그램과 더 일치하는 실제 사례를 제공 할 것입니다.
| 회원 | 개인 프로필 | 개인 홈페이지 |
|---|---|---|
| Niu Zhikang | Xi'an University of Electronic Science and Technology의 학부생 인 Datawhale 회원 | [Zhihu] [개인 홈페이지] |
| Li Jiaqi | Tsinghua University의 대학원생 인 Datawhale 회원 | [Zhihu] |
| Liu Yang | 중국 과학 아카데미, 수학 및 시스템 연구소의 대학원생 인 Datawhale 회원 | [Zhihu] |
| 첸과 곤란 | Harbin Institute of Technology 대학원생 인 Datawhale 회원 | [개인 홈페이지] |
튜토리얼 기여 상태 (코스는 이미 온라인 상태) :
Li Jiaqi : 3 장; 4 장; 5 장; 6 장; 7 장; 8 장; 컨텐츠 통합
Niu Zhikang : 1 장; 3 장; 6 장; 7 장; 8 장, 9 장, 10 장; 문서 배포
Liu Yang : 2 장; 3 장
Chen Andong : 2 장; 3 장; 7 장
일부 챕터 라이브 설명은 B 스테이션의 재생을보십시오 (지속적으로 업데이트) : https://www.bilibili.com/video/bv1l44y1472z
코스 오케스트레이션 : 심층적이고 이해하기 쉬운 Pytorch는 Pytorch 딥 러닝의 기본 지식, Pytorch의 고급 운영 및 Pytorch의 사례 분석의 세 가지 단계로 나뉩니다.
사용 방법 :
우리의 과정 내용은이 저장소에 Markdown 형식 또는 Jupyter 노트북 형식으로 저장됩니다. 코스 내용에 대한 이해를 심화시키기 위해 더 많은 것을 읽는 것 외에도 가장 중요한 것은 연습, 연습, 연습입니다.
팀 학습 준비 :
1 부 : 1 장에서 4 장, 연구주기 : 10 일;
2 부 : 5 장에서 8 장, 학습주기 : 11 일
이 프로젝트는 Forking 워크 플로를 사용합니다. 자세한 내용은 Atlassian 문서를 참조하십시오. 단계는 다음과 같습니다.
upstream 리포지토리 주소를 설정하고 push 비활성화합니다lecture{#NO} 로 지명되었으며 #NO 코스 디렉토리에 해당하는 lecture07 과 같은 두 자리로 유지됩니다Command example:
# 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 다음 형식을 사용하여 정보를 제출하십시오. <type>: <short summary>
<type>: <short summary>
│ │
│ └─⫸ Summary in present tense. Not capitalized. No period at the end.
│
└─⫸ Commit Type: [docs #NO]:others
others README.md 의 변경, .gitignore 에 대한 조정 등과 같은 코스 관련 변경 사항이 포함됩니다.
| 콘텐츠 | 업데이트 시간 | 콘텐츠 |
|---|---|---|
| 꼭대기 | 정점의 소개 및 사용 | |
| 모델 배포 | 플라스크는 Pytorch 모델을 배포합니다 | |
| 토치 스크립트 | 토치 스크립트 | |
| 병렬 훈련 | 병렬 훈련 | |
| 모델 사전 훈련 -Torchhub | Torchhub의 소개 및 사용 | |
| 대상 감지 -SSD | SSD의 소개 및 구현 | |
| 객체 감지 -RCNN 시리즈 | Fast-RCNN & Mask-RCNN | |
| 대상 감지 - Detr | Detr의 구현 | |
| 이미지 분류 -Googlelenet | Googlelenet의 소개 및 구현 | |
| 이미지 분류 -Mobilenet 시리즈 | Mobilenet 시리즈의 소개 및 구현 | |
| 이미지 분류 - 고스트넷 | 고스트넷 코드 설명 | |
| 생성 적대적 네트워크 - 생성 된 필기 디지털 실습 | 숫자를 생성하고 시각화하십시오 | |
| 생성 적대적 네트워크 - DCGAN | ||
| 스타일 전송 - Stylegan | ||
| 네트워크 생성 -VAE | ||
| 이미지 세분화 Deeplab 시리즈 | Deeplab 시리즈 코드 설명 | |
| 자연어 처리 LSTM | LSTM 감정 분석 실습 | |
| 자연어 가공 변압기 | ||
| 자연어 가공 버트 | ||
| 동영상 | 결정됩니다 | |
| 오디오 | 결정됩니다 | |
| 맞춤형 쿠다 확장 및 연산자 |
Contrib.rocks로 만들어졌습니다.
이 작업은 Creative Commons Attribution-Non-Commercial-Share 4.0 International License에 따라 라이센스가 부여됩니다.
