thorough pytorch
1.0.0
Важный
Онлайн -адрес чтения | Вспомогательные видеоуроки | Чихай (Национальная платформа по науке и образованию ИИ)
Обратите внимание: обновления онлайн -документов отстают за основными обновлениями репозитория. Рекомендуется посмотреть на файл Markdown в папке Source.
Pytorch является важным инструментом для исследований в области данных с использованием глубокого обучения. Он имеет значительные преимущества в гибкости, читабельности и производительности. В последние годы он стал наиболее часто используемой основой для внедрения алгоритмов глубокого обучения в академическом сообществе.
Учитывая, что обучение Pytorch имеет как теоретические резервы, так и практические тренировки, и обе руки должны быть сильными, мы разработали курс «Легко понимать Pytorch», надеясь помочь всем начать освоить инструменты Pytorch в форме командного обучения, а затем реализовать свои собственные алгоритмы глубокого обучения.
Наше видение: Благодаря командному обучению каждый может овладеть основными знаниями и содержанием питорха от мелкого до глубокого, и углубить свое мастерство благодаря своей практической практике. В то же время, благодаря реальным операциям проекта, мы можем полностью обучить наши навыки программирования, овладеть основным процессом Pytorch в глубоком обучении и улучшить нашу способность решать практические проблемы.
Предварительным условием для обучения является возможность использовать программирование Python, понимать алгоритмы машинного обучения, включая нейронные сети, и быть усердным в практической практике.
«Легко понять Pytorch» - это серия с тремя частями. Первые и вторые части этой серии уже онлайн. «Глубокий и простой для понимания Pytorch» (часть 2) будет обновлен в будущем, чтобы дать практические случаи, которые в большей степени соответствуют практическим приложениям.
| член | Личный профиль | Личная домашняя страница |
|---|---|---|
| Ниу Жиканг | Член Datawhale, студент студента Электронного университета и техники Xi'an | [Zhihu] [Личная домашняя страница] |
| Ли Цзяки | Член DataWhale, аспирант университета Цинхуа | [Жиху] |
| Лю Ян | Член Datawhale, аспирант Института математики и системной науки, Китайская академия наук | [Жиху] |
| Чен Андонг | Член DataWhale, аспирант Харбинского технологического института | [Личная домашняя страница] |
Учебный статус взноса (курсы уже онлайн):
Ли Цзяки: Глава 3; Глава 4; Глава 5; Глава 6; Глава 7; Глава 8; Интеграция контента
Ниу Жиканг: глава 1; Глава 3; Глава 6; Глава 7; Глава 8, Глава 9, Глава 10; Развертывание документа
Лю Ян: Глава 2; Глава 3
Чен Андонг: глава 2; Глава 3; Глава 7
Для некоторых главы в прямом эфире, пожалуйста, посмотрите воспроизведение станции B (постоянно обновляемо): https://www.bilibili.com/video/bv1l44y1472z
Оркестровка курса: углубленный и простой для понимания Pytorch разделен на три этапа: базовые знания о глубоком обучении Pytorch, усовершенствованную эксплуатацию Pytorch и анализ случая Pytorch.
Как использовать:
Наше содержание курса хранится в этом репозитории в формате Markdown или в формате ноутбука Юпитера. В дополнение к чтению больше, чтобы углубить понимание содержания курса, самое важное - практиковать, практиковать, практиковать
Договоренности об обучении команды:
Часть 1: Глава 1 по главу 4, учебный цикл: 10 дней;
Часть 2: Глава 5 до главы 8, Цикл обучения: 11 дней
Этот проект использует Forking Workflow. Для получения подробной информации обратитесь к документу Atlassian, шаги следующие:
upstream и отключить pushlecture{#NO} , и #NO остается двумя цифрами, такими как lecture07 , соответствующий каталогу курсаПример команды:
# 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 Отправьте информацию, используя следующий формат: <type>: <short summary>
<type>: <short summary>
│ │
│ └─⫸ Summary in present tense. Not capitalized. No period at the end.
│
└─⫸ Commit Type: [docs #NO]:others
others включают в себя не связанные с курсом изменения, такие как изменения в этом README.md , корректировки к .gitignore и т. Д.
| содержание | Время обновления | содержание |
|---|---|---|
| вершина | Введение и использование вершины | |
| Модель развертывания | Flask развертывает модель Pytorch | |
| TorchScript | TorchScript | |
| Параллельное обучение | Параллельное обучение | |
| Модель предварительного обучения - Torchhub | Введение и использование Torchhub | |
| Обнаружение цели - SSD | Введение и реализация SSD | |
| Обнаружение объекта - серия RCNN | Fast-Rcnn & Mask-rcnn | |
| Обнаружение цели - DETR | Реализация Detr | |
| Классификация изображений - GOOGLELENET | Введение и внедрение GoogleLenet | |
| Классификация изображений - серия Mobilenet | Введение и реализация серии Mobilenet | |
| Классификация изображений - Ghostnet | Призрачный код пояснение | |
| Генеративная состязательная сеть - генеративная рукописная цифровая практика | Генерировать числа и визуализировать их | |
| Генеративная состязательная сеть - dcgan | ||
| Передача стиля - стильган | ||
| Генерировать сеть - vae | ||
| Сегментация изображения серия Deeplab | Объяснение кода серии Deeplab | |
| Обработка естественного языка LSTM | Практика эмоционального анализа LSTM | |
| Трансформатор обработки естественного языка | ||
| Обработка естественного языка Bert | ||
| видео | Быть определенным | |
| Аудио | Быть определенным | |
| Пользовательские расширения и операторы CUDA |
Сделано из ouctrib.rocks.
Эта работа лицензирована по международной лицензии 4.0 Creative Commons.
