pytorch tutorials examples and books pytorch tutorials examples and books

pytorch tutorials examples and books

Питон

1.0.0

Скачать

Учебники, примеры и книги Pytorch

Содержимое / Содержание:

Учебники, примеры и книги Pytorch
- Содержимое / Содержание:
- Pytorch 1.x учебные пособия и примеры
- Книги и слайды о книгах Pytorch, PPT и т. Д.
- Вот некоторые независимые учебники
  - 1) Глубокое обучение Pytorch: 60 минут введения и практического боя
  - 2) Изучение питорха с примерами обучения Pytorch
- Как бежать? Рекомендуемый метод работы

Pytorch 1.x учебные пособия и примеры

0. Pyporch Version Изменения и руководство по миграции
1.pytorch_for_numpy_users Pytorch Руководство для пользователей Numpy
2. Pytorch_basics Pytorch Основы
3.NINEAR_REGRESSION Линейная регрессия
4.logistic_regression Логистическая регрессия
5. Optimizer Optimizer
6.neural_network Нейронная сеть
7. Convolutional_neural_network (CNN) Спролюционная нейронная сеть
8. Famous_cnn Classic CNN Network
9.USING_PRETRIND_MODELS с использованием предварительно обученных моделей
10. DATASET_AND_DATALOADER Показания пользовательских данных
11.custom_dataset_example определите свой собственный набор данных
12.visdom_visualization Визуализация Visdom
13.tensorboard_visualization Tensorboard Визуализация
14. SEMANTIC_SEGMATION SEMANTIC SEGMATION
15. Transfer_learning Transfer Learning
16.neural_style (Styletransfer) Перенос стиля
A. Компьютерное зрение и Pytorch
- Краткое резюме Pytorch и компьютерное зрение
  - Версия Markdown
  - Версия ноутбука
B.Pytorch Обзор

Книги и слайды о книгах Pytorch, PPT и т. Д.

Примечание: некоторые из них являются старой версией; Следующая часть книги не является версией 1.x.

Там могут быть задержки в обновлении этого каталога. Пожалуйста, обратитесь к файлам в этой папке для всей информации.

Автоматическая дифференциация в pytorch.pdf
Краткое резюме PTDC '18 Pytorch 1.0 Предварительный просмотр и обещание - Хакер полдень.pdf
Глубокие архитектуры.pdf
Глубокая архитектура.pptx
Deep Learning Toolkits II pytorch example.pdf
Глубокое обучение с Pytorch - Vishnu subramanian.pdf
Глубокое обучение с Pytorch.pdf
Deep_learning_with_pytorch_quick_start_guide.pdf
Первые шаги к глубокому обучению с pytorch.pdf
Введение в тензорное поток, pytorch и caffe.pdf
Pytorch 0.4 - Учебное пособие - Directory Version.pdf
Pytorch 0,4 Китайская документация - перевод.pdf
Pytorch 1.0 Собирает презентацию исследований и производства. PDF
Рецепты Pytorch - подход с проблемой проблемы - Pradeepta mishra.pdf
Pytorch под капотом, руководство по пониманию internals Pytorch.pdf
pytorch-internals.pdf
Pytorch_tutorial_0.0.4_yu tingsong.pdf
Pytorch_tutorial_0.0.5_yu tingsong.pdf
Колаторство Pytorch, деконволюция - скачать с internet.pdf
Pytorch Deep Learning Practice-Hou yijun.epub
Pytorch Deep Learning Practice-Hou yijun.pdf
Глубокое обучение Pytorch - Liao Xingyu.pdf
Deep Learning Pytorch Practical Computer Vision-tang jinmin.pdf
Pytorch для начинающих в глубоком обучении - Liao Xingyu (с каталогом) .pdf
Глубокое обучение рамки Pytorch: начало работы и практики - Chen Yun.pdf

Udacity: глубокое обучение с Pytorch

Расширить для просмотра

 * Часть 1: Введение в Pytorch и использование тензоров
* Часть 2: Построение полностью связанных нейронных сетей с Pytorch
* Часть 3: Как обучить полностью соединенную сеть с обратным распространением на MNIST
* Часть 4: Упражнение - Тренируйте нейронную сеть на моде -мнист
* Часть 5: Использование обученной сети для прогнозирования и проверки сетей
* Часть 6: Как сохранить и загрузить обученные модели
* Часть 7: Загрузите данные изображения с помощью TOCHVISION, также увеличение данных
* Часть 8: Используйте Transfer Learning для обучения современного классификатора изображений для собак и кошек

Pytorch-re-to-All: Слайды-ближайшие из Google Drive

Расширить для просмотра

 *Лекция 01_ Обзор.pptx
*Лекция 02_ Linear Model.pptx
*Лекция 03_ Градиент спуск.pptx
*Лекция 04_ обратно разжигание и pytorch autograd.pptx
*Лекция 05_ Линейная регрессия в Pytorch Way.pptx
*Лекция 06_ Логистическая регрессия.pptx
*Лекция 07_ Wide _ Deep.pptx
*Лекция 08_dataloader.pptx
*Лекция 09_ SoftMax Classifier.pptx
*Лекция 10_ Basic Cnn.pptx
*Лекция 11_ Advanced Cnn.pptx
*Лекция 12_ rnn.pptx
*Лекция 13_ rnn ii.pptx
*Лекция 14_ seq2seq.pptx
*Лекция 15_ NSML, Smart Smart ML Platform.pptx

Слайды и раздаточные материалы для глубокого обучения - fleuret.org

Расширить для просмотра

 * 1-1-FRO-ANNS-TO DEEP-ОБЛАСТЬ.pdf
* 1-2-current-success.pdf
* 1-3, что-то-happening.pdf
* 1-4-Tensors-and-Linear-Regression.pdf
* 1-5-High-Dimensional Tensors.pdf
* 1-6-Tensor-Internals.pdf
* 2-1-loss и risk.pdf
* 2-2-Overfiting.pdf
* 2-3-Bias-Variance-Dilemma.pdf
* 2-4-Evaluation-protocols.pdf
* 2-5-BASIC-EMBEDDINGS.PDF
* 3-1-perceptron.pdf
* 3-2-lda.pdf
* 3-3-FATURES.PDF
* 3-4-млп.pdf
* 3-5-градиент-депутаты. PDF
* 3-6-backprop.pdf
* 4-1-dag-networks.pdf
* 4-2-autograd.pdf
* 4-3-модулы и обработки процесса.pdf
* 4-4-Convolutions.pdf
* 4-5-pooling.pdf
* 4-6-writing-a-module.pdf
* 5-1-Cross-Entropy-Loss.pdf
* 5-2-SGD.PDF
* 5-3-Optim.pdf
* 5-4-L2-L1-Penalties.pdf
* 5-5-инициализация.pdf
* 5-6-архитектура и тренировки.pdf
* 5-7-writing-an-autograd-function.pdf
* 6-1-benefits of-depth.pdf
* 6-2-rectifiers.pdf
* 6-3-Dropout.pdf
* 6-4-партия-нормализация.pdf
* 6-5-residual-networks.pdf
* 6-6-using-gpus.pdf
* 7-1-cv-задачи.pdf
* 7-2-Image-Classiation.pdf
* 7-3-Object-Detection.pdf
* 7-4-сегментация.pdf
* 7-5-DataloAder и операция. PDF
* 8-1-viefling-at-parameters.pdf
* 8-2-viewing-at-activations.pdf
* 8-3-Visualizing-input.pdf
* 8-4-оптимизирующие inputs.pdf
* 9-1-транспозитные сведения. PDF
* 9-2-autoencoders.pdf
* 9-3-разживание и варианта-автоэкодер
* 9-4-NVP.PDF
* 10-1-gan.pdf
* 10-2-Wasserstein-Gan.pdf
* 10-3-Conditional-Gan.pdf
* 10-4-persistence.pdf
* 11-1-rnn-basics.pdf
* 11-2-lstm-and-gru.pdf
* 11-3-слова-эмбеддингс-и перенос. PDF

Вот некоторые независимые учебники

1) Глубокое обучение Pytorch: 60 минут введения и практического боя

Расширить для просмотра



Что такое Pytorch? (Что такое Pytorch?)

начиная
Тензор
Операция


Numpy Bridge
Преобразовать тензор Torch в Numpy Array
Преобразовать массив Numpy в тензор факела


Тенсоры на Cuda



Autograd: автоматически ищите руководство

Тензор
градиент



Нейронные сети

Определите сеть
Функция потерь
Обратное распространение
Обновлять веса



Обучение классификатора

Где данные?
Обучение классификатора картинок
1. Нагрузить и стандартизировать CIFAR10
2. Определите сверточную нейронную сеть
3. Определите функции потерь и оптимизаторы
4. Обучение сети
5. Используйте тестовые данные для тестирования сети


Обучение на графическом процессоре
Обучение на нескольких графических процессорах
Что делать дальше?



Необязательно: параллелизм данных

Импорт и параметры
Виртуальный набор данных
Простая модель
Создать модель и данные параллельно
Запустить модель
результат
2 графические процессоры
3 графические процессоры
8 графических процессоров


Суммировать

2) Изучение питорха с примерами обучения Pytorch

Расширить для просмотра



Тензоры

Разогреть: используйте Numpy
Pytorch: тензоры



Автоматический вывод (Autograd)

Pytorch: автоматический вывод (Autograd)
Pytorch: Определите свою собственную автоматическую производную функцию
Tensorflow: статический график



модуль nn (модуль nn )

Pytorch: модуль нейронной сети NN
Pytorch: оптимизировать модуль Optim
Pytorch: индивидуальная нейронная сеть NN модуль
Pytorch: поток управления и совместное использование параметров

Как бежать? Рекомендуемый метод работы

Некоторый код в этом репо отделен в блоках с использованием #%% . Блок такой же, как ячейка в Jupyter Notebook . Таким образом, рекомендуется редакторы/IDE, поддерживающие эту функцию.

Такой как: