หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>หลาม
ดาวน์โหลด

pytorch

เรียนรู้การเรียนรู้อย่างลึกซึ้งกับ Pytorch

ขอบคุณมากสำหรับการซื้อหนังสือเล่มนี้ พื้นที่เก็บข้อมูล GitHub นี้มีรหัสตัวอย่างสำหรับ Pytorch ซึ่งเป็นการแนะนำการเรียนรู้อย่างลึกซึ้ง เนื่องจากระดับที่ จำกัด ของฉันฉันอ้างถึงข้อมูลออนไลน์บางอย่างเมื่อเขียนหนังสือเล่มนี้และฉันต้องการแสดงความเคารพต่อพวกเขาที่นี่ ในขณะที่เทคโนโลยีการเรียนรู้ลึกกำลังพัฒนาอย่างรวดเร็ว Pytorch ได้รับการปรับปรุงอย่างต่อเนื่องและฉันมีหลายสาขาที่ฉันไม่ได้กล่าวถึงเมื่อฉันทำหนังสือเล่มนี้เสร็จดังนั้นที่เก็บนี้จะได้รับการปรับปรุงเป็นบริการติดตามผลสำหรับการซื้อหนังสือเล่มที่สอง ฉันหวังว่าฉันจะให้พลังที่เพรียวบางบนท้องถนนเพื่อเริ่มต้นด้วยการเรียนรู้อย่างลึกซึ้ง

หมายเหตุ: เนื่องจากการเปลี่ยนแปลงของรุ่น pytorch รหัสในหนังสืออาจมีข้อบกพร่องดังนั้นรหัสทั้งหมดจึงขึ้นอยู่กับรหัสใน GitHub นี้เป็นหลัก

กำหนดค่าสภาพแวดล้อม

หนังสือเล่มนี้ได้ให้รายละเอียดเกี่ยวกับวิธีการกำหนดค่าสภาพแวดล้อม Python ตาม Anaconda และติดตั้ง Pytorch หากคุณใช้คอมพิวเตอร์ของคุณเองและมีการ์ดกราฟิก Nvidia คุณสามารถเข้าสู่โลกแห่งการเรียนรู้อย่างลึกซึ้งได้อย่างมีความสุข หากคุณไม่มีการ์ดกราฟิก NVIDIA เราต้องใช้แพลตฟอร์มคลาวด์คอมพิวติ้งเพื่อช่วยให้เราเรียนรู้การเรียนรู้อย่างลึกซึ้ง วิธีกำหนดค่าแพลตฟอร์มการคำนวณ AWS

แคตตาล็อกหลักสูตรต่อไปนี้แตกต่างจากที่อยู่ในหนังสือเนื่องจากเนื้อหากำลังได้รับการปรับปรุงเป็นรุ่นที่สองและรุ่นที่สองจะเปิดตัวเร็ว ๆ นี้! -

แคตตาล็อกหลักสูตร

ตอนที่ 1: พื้นฐานของการเรียนรู้ลึก

  • บทที่ 2: พื้นฐานของ Pytorch

    • เทนเซอร์และตัวแปร
    • กลไกการชี้นำอัตโนมัติ
    • ภาพไดนามิกและคงที่

  • บทที่ 3: เครือข่ายประสาท

    • แบบจำลองเชิงเส้นและการไล่ระดับสี
    • การถดถอยโลจิสติกและเครื่องมือเพิ่มประสิทธิภาพ
    • เครือข่ายประสาทหลายชั้นลำดับและโมดูล
    • เครือข่ายประสาทลึก
    • วิธีการเริ่มต้นพารามิเตอร์
    • อัลกอริทึมการเพิ่มประสิทธิภาพ
      • SGD
      • วิธีโมเมนตัม
      • Adagrad
      • RMSPROP
      • Adadelta
      • อดัม

  • บทที่ 4: เครือข่ายประสาท Convolutional

    • โมดูล convolutional ใน pytorch
    • การทำให้เป็นมาตรฐานเป็นชุด
    • เครือข่ายลึกโดยใช้องค์ประกอบที่ทำซ้ำ VGG
    • โครงสร้างเครือข่ายที่สมบูรณ์ยิ่งขึ้น googlelenet
    • เครือข่ายที่เหลืออยู่ลึก resnet
    • เดนเซเนต
    • เครือข่ายการฝึกอบรมที่ดีขึ้น
      • การปรับปรุงข้อมูล
      • การทำให้เป็นระเบียบ
      • อัตราการเรียนรู้การสลายตัว

  • บทที่ 5: เครือข่ายประสาทกำเริบ

    • โมดูลเครือข่ายประสาทอีกครั้ง: LSTM และ GRU
    • ใช้ RNN สำหรับการจำแนกรูปภาพ
    • การวิเคราะห์อนุกรมเวลาโดยใช้ RNN
    • การประยุกต์ใช้การประมวลผลภาษาธรรมชาติ:
      • การฝังคำ
      • รุ่น N-Gram
      • seq-lstm เพื่อทำการคาดการณ์ส่วนหนึ่งของคำ

  • บทที่ 6: สร้างเครือข่ายฝ่ายตรงข้าม

    • เครื่องเข้ารหัสอัตโนมัติ
    • เครื่องเข้ารหัสอัตโนมัติ Variational
    • สร้างเครือข่ายที่เป็นปฏิปักษ์
    • เครือข่ายศัตรูที่ลึกล้ำ (DCGANS) สร้างใบหน้าของมนุษย์

  • บทที่ 7: การเรียนรู้การเสริมแรงอย่างลึกซึ้ง

    • Q การเรียนรู้
    • เปิดโรงยิม AI
    • Q-networks ลึก

  • บทที่ 8: Pytorch Advanced

    • การสร้างภาพเทนซอร์บอร์ด
    • ข้อมูลการอ่านข้อมูลที่ยืดหยุ่น
    • รู้เบื้องต้นเกี่ยวกับ autograd.function
    • ข้อมูลคู่ขนานและ multi-gpu
    • แปลงเป็นโมเดล Caffe2 โดยใช้ ONNX
    • วิธีการปรับใช้เครือข่ายประสาทที่ผ่านการฝึกอบรม
    • สร้างนิสัยการใช้งาน pytorch ของคุณเอง

ตอนที่ 2: การประยุกต์ใช้การเรียนรู้อย่างลึกซึ้ง

  • บทที่ 9: การมองเห็นคอมพิวเตอร์

    • ปรับแต่ง: ถ่ายโอนการเรียนรู้ผ่านการปรับแต่งอย่างละเอียด
    • ประสบการณ์ครั้งแรกของ Kaggle: Cat and Dog Battle
    • การแบ่งส่วนความหมาย: ใช้การจำแนกระดับพิกเซลผ่าน FCN
    • Pixel to Pixel Generative Pixarial Networks
    • การถ่ายโอนระบบประสาท: การใช้การถ่ายโอนสไตล์ผ่านเครือข่าย convolutional
    • Deep Dream: สำรวจโลกในสายตาของเครือข่าย Convolutional

  • บทที่ 10: การประมวลผลภาษาธรรมชาติ

    • Char RNN ใช้การสร้างข้อความ
    • ภาพคำบรรยายภาพ: ใช้การสร้างคำบรรยายภาพ
    • SEQ2SEQ ใช้การแปลของเครื่อง
    • CNN + RNN + ให้ความสนใจเพื่อรับรู้การจดจำข้อความ

แหล่งข้อมูลอื่น ๆ

สำหรับหลักสูตรสาธารณะและแหล่งเรียนรู้เพื่อการเรียนรู้อย่างลึกซึ้งโปรดดูที่เก็บของฉัน

คุณสามารถติดตามคอลัมน์และบล็อก Zhihu ของฉันและคุณมักจะแบ่งปันบทความการเรียนรู้ลึก ๆ

ทรัพยากรเกี่ยวกับ pytorch

GitHub repo pytorch-beginner ของฉัน

การสอนแบบ pytorch

Pytorch ที่ไม่สามารถอ่านได้

การใช้งานจริง

Pytorchzerotoall

ยอดเยี่ยม-Pytorch-List

การรับทราบ

บางส่วนของหนังสือเล่มที่สองของหนังสือเล่มนี้อ้างถึงบทช่วยสอนภาษาจีนของ MxNet Gluon และใช้ MXNET/GLUON เพื่อเรียนรู้การเรียนรู้อย่างลึกซึ้ง

Gluon เป็นกรอบที่คล้ายกับ Pytorch มาก มันง่ายมากและใช้งานง่าย ฉันขอแนะนำให้คุณเรียนรู้และแนะนำหลักสูตรภาษาจีนของ Gluon ซึ่งสอนในภาษาจีนทั้งหมดมีวิดีโอและการปฏิบัติรหัส อาจกล่าวได้ว่าเป็นบทช่วยสอนการเรียนรู้เชิงลึกของจีนที่ครอบคลุมมากที่สุด

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด