thorough pytorch
1.0.0
สำคัญ
ที่อยู่การอ่านออนไลน์ สนับสนุนวิดีโอบทช่วยสอน | Zhihai (แพลตฟอร์มวิทยาศาสตร์ AI และการศึกษาแห่งชาติ)
โปรดทราบ: การอัปเดตเอกสารออนไลน์ล่าช้าหลังการอัปเดตที่เก็บหลัก ขอแนะนำให้ดูที่ไฟล์ Markdown ในโฟลเดอร์ต้นทาง
Pytorch เป็นเครื่องมือสำคัญสำหรับการวิจัยวิทยาศาสตร์ข้อมูลโดยใช้การเรียนรู้อย่างลึกซึ้ง มันมีข้อได้เปรียบอย่างมากในด้านความยืดหยุ่นความสามารถในการอ่านและประสิทธิภาพ ในช่วงไม่กี่ปีที่ผ่านมามันได้กลายเป็นกรอบที่ใช้กันมากที่สุดสำหรับการใช้อัลกอริทึมการเรียนรู้อย่างลึกซึ้งในชุมชนวิชาการ
เมื่อพิจารณาว่าการเรียนรู้ของ Pytorch นั้นมีทั้งการสำรองทางทฤษฎีและการฝึกอบรมเชิงปฏิบัติและมือทั้งสองจะต้องแข็งแกร่งเราได้พัฒนาหลักสูตร "เข้าใจง่าย Pytorch" โดยหวังว่าจะช่วยให้ทุกคนเริ่มต้นใช้เครื่องมือ Pytorch ในรูปแบบของการเรียนรู้ทีม
วิสัยทัศน์ของเราคือ: ผ่านการเรียนรู้ของทีมทุกคนสามารถฝึกฝนความรู้พื้นฐานและเนื้อหาของ Pytorch จากตื้นจนถึงลึกและลึกซึ้งยิ่งขึ้นด้วยการฝึกฝนด้วยมือของพวกเขาเอง ในเวลาเดียวกันผ่านการดำเนินโครงการจริงเราสามารถฝึกฝนทักษะการเขียนโปรแกรมของเราได้อย่างเต็มที่กระบวนการพื้นฐานของ pytorch ในการเรียนรู้อย่างลึกซึ้งและปรับปรุงความสามารถของเราในการแก้ปัญหาในทางปฏิบัติ
สิ่งที่จำเป็นสำหรับการเรียนรู้คือการสามารถใช้การเขียนโปรแกรม Python เข้าใจอัลกอริทึมการเรียนรู้ของเครื่องรวมถึงเครือข่ายประสาทและขยันหมั่นเพียรในการฝึกปฏิบัติ
"ง่ายต่อการเข้าใจ Pytorch" เป็นซีรีส์ที่มีสามส่วนทั้งหมด ส่วนแรกและส่วนที่สองของซีรี่ส์นี้ออนไลน์อยู่แล้ว "pytorch เชิงลึกและง่ายต่อการเข้าใจ" (ตอนที่ 2) จะได้รับการปรับปรุงในอนาคตเพื่อให้กรณีที่เป็นประโยชน์มากขึ้นสอดคล้องกับแอปพลิเคชันที่ใช้งานได้จริง
| สมาชิก | โปรไฟล์ส่วนตัว | หน้าแรกส่วนตัว |
|---|---|---|
| Niu Zhikang | สมาชิกของ Datawhale นักศึกษาระดับปริญญาตรีของมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีอิเล็กทรอนิกส์ Xi'an | [Zhihu] [หน้าแรกส่วนตัว] |
| Li Jiaqi | สมาชิกของ Datawhale นักศึกษาระดับบัณฑิตศึกษาของมหาวิทยาลัย Tsinghua | [Zhihu] |
| หลิวหยาง | สมาชิกของ Datawhale นักศึกษาระดับบัณฑิตศึกษาที่สถาบันคณิตศาสตร์และวิทยาศาสตร์วิทยาศาสตร์, สถาบันวิทยาศาสตร์จีน | [Zhihu] |
| เฉินอันดง | สมาชิกของ Datawhale นักศึกษาระดับบัณฑิตศึกษาของ Harbin Institute of Technology | [หน้าแรกส่วนตัว] |
สถานะการบริจาค (หลักสูตรออนไลน์อยู่แล้ว):
Li Jiaqi: บทที่ 3; บทที่ 4; บทที่ 5; บทที่ 6; บทที่ 7; บทที่ 8; การรวมเนื้อหา
Niu Zhikang: บทที่ 1; บทที่ 3; บทที่ 6; บทที่ 7; บทที่ 8, บทที่ 9, บทที่ 10; การปรับใช้เอกสาร
Liu Yang: บทที่ 2; บทที่ 3
เฉิน Andong: บทที่ 2; บทที่ 3; บทที่ 7
สำหรับคำอธิบายสดบางบทโปรดดูการเล่นของสถานี B (อัปเดตอย่างต่อเนื่อง): https://www.bilibili.com/video/bv1l44y1472z
Orchestration Course: Pytorch เชิงลึกและง่ายต่อการเข้าใจถูกแบ่งออกเป็นสามขั้นตอน: ความรู้พื้นฐานของการเรียนรู้เชิงลึก pytorch การดำเนินงานขั้นสูงของ pytorch และการวิเคราะห์กรณีของ pytorch
วิธีใช้:
เนื้อหาหลักสูตรของเราถูกเก็บไว้ในที่เก็บนี้ในรูปแบบ Markdown หรือ Jupyter Notebook นอกเหนือจากการอ่านมากขึ้นเพื่อให้เข้าใจเนื้อหาหลักสูตรที่ลึกซึ้งยิ่งขึ้นสิ่งที่สำคัญที่สุดคือการฝึกฝนการฝึกฝนการฝึกฝน
การเตรียมการเรียนรู้ของทีม:
ส่วนที่ 1: บทที่ 1 ถึงบทที่ 4 วงจรการศึกษา: 10 วัน;
ส่วนที่ 2: บทที่ 5 ถึงบทที่ 8 วงจรการเรียนรู้: 11 วัน
โครงการนี้ใช้เวิร์กโฟลว์ Forking สำหรับรายละเอียดอ้างอิงเอกสาร Atlassian ขั้นตอนดังต่อไปนี้:
upstream และปิด pushlecture{#NO} และ #NO ยังคงเป็นตัวเลขสองหลักเช่น lecture07 ซึ่งสอดคล้องกับไดเรกทอรีหลักสูตรตัวอย่างคำสั่ง:
# 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 ส่งข้อมูลโดยใช้รูปแบบต่อไปนี้: <type>: <short summary>
<type>: <short summary>
│ │
│ └─⫸ Summary in present tense. Not capitalized. No period at the end.
│
└─⫸ Commit Type: [docs #NO]:others
others รวมถึงการเปลี่ยนแปลงที่ไม่เกี่ยวข้องกับหลักสูตรเช่นการเปลี่ยนแปลงใน README.md นี้การปรับเป็น .gitignore ฯลฯ
| เนื้อหา | อัปเดตเวลา | เนื้อหา |
|---|---|---|
| ปลายยอด | บทนำและการใช้เอเพ็กซ์ | |
| การปรับใช้แบบจำลอง | Flask ปรับใช้โมเดล Pytorch | |
| คลังแสง | คลังแสง | |
| การฝึกอบรมแบบขนาน | การฝึกอบรมแบบขนาน | |
| รุ่นก่อนการฝึกอบรม - TorchHub | บทนำและการใช้ TorchHub | |
| การตรวจจับเป้าหมาย - SSD | บทนำและการใช้งาน SSD | |
| การตรวจจับวัตถุ - ซีรี่ส์ RCNN | Fast-RCNN & MASK-RCNN | |
| การตรวจจับเป้าหมาย - DETR | การใช้ DETR | |
| การจำแนกรูปภาพ - GoogleNet | บทนำและการใช้งาน GoogleNet | |
| การจำแนกรูปภาพ - ซีรี่ส์ Mobilenet | บทนำและการใช้งานซีรี่ส์ Mobilenet | |
| การจำแนกรูปภาพ - Ghostnet | คำอธิบายรหัส Ghostnet | |
| เครือข่ายศัตรูทั่วไป - การฝึกฝนดิจิทัลที่เขียนด้วยลายมือทั่วไป | สร้างตัวเลขและแสดงภาพพวกเขา | |
| เครือข่ายศัตรูทั่วไป - DCGAN | ||
| การถ่ายโอนสไตล์ - Stylegan | ||
| สร้างเครือข่าย - vae | ||
| การแบ่งส่วนภาพซีรีส์ Deeplab | คำอธิบายรหัสซีรีส์ Deeplab | |
| การประมวลผลภาษาธรรมชาติ LSTM | การวิเคราะห์ทางอารมณ์ LSTM | |
| หม้อแปลงการประมวลผลภาษาธรรมชาติ | ||
| การประมวลผลภาษาธรรมชาติเบิร์ต | ||
| วิดีโอ | ที่จะพิจารณา | |
| เสียง | ที่จะพิจารณา | |
| ส่วนขยายและผู้ประกอบการ CUDA ที่กำหนดเอง |
ทำด้วย contrib.rocks
งานนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต International Creative Commons-Non-Commercial-Share 4.0 International
