code of learn deep learning with pytorch - code of learn deep learning with pytorch

code of learn deep learning with pytorch

Python

1.0.0

下載

深度學習入門之PyTorch

Learn Deep Learning with PyTorch

非常感謝您能夠購買此書，這個github repository包含有深度學習入門之PyTorch的實例代碼。由於本人水平有限，在寫此書的時候參考了一些網上的資料，在這裡對他們表示敬意。由於深度學習的技術在飛速的發展，同時PyTorch也在不斷更新，且本人在完成此書的時候也有諸多領域沒有涉及，所以這個repository會不斷更新作為購買次書的一個後續服務，希望我能夠在您深度學習的入門道路上提供綿薄之力。

注意：由於PyTorch版本更迭，書中的代碼可能會出現bug，所以一切代碼以該github中的為主。

配置環境

書中已經詳細給出瞭如何基於Anaconda配置python環境，以及PyTorch的安裝，如果你使用自己的電腦，並且有Nvidia的顯卡，那麼你可以愉快地進入深度學習的世界了，如果你沒有Nvidia的顯卡，那麼我們需要一個雲計算的平台來幫助我們學習深度學習之旅。如何配置aws計算平台

以下的課程目錄和書中目錄有出入，因為內容正在更新到第二版，第二版即將上線！！

課程目錄

part1: 深度學習基礎

Chapter 2: PyTorch基礎
- Tensor和Variable
- 自動求導機制
- 動態圖與靜態圖
Chapter 3: 神經網絡
- 線性模型與梯度下降
- Logistic 回歸與優化器
- 多層神經網絡，Sequential 和Module
- 深層神經網絡
- 參數初始化方法
- 優化算法
  - SGD
  - 動量法
  - Adagrad
  - RMSProp
  - Adadelta
  - Adam
Chapter 4: 卷積神經網絡
- PyTorch 中的捲積模塊
- 批標準化，batch normalization
- 使用重複元素的深度網絡，VGG
- 更加豐富化結構的網絡，GoogLeNet
- 深度殘差網絡，ResNet
- 稠密連接的捲積網絡，DenseNet
- 更好的訓練卷積網絡
  - 數據增強
  - 正則化
  - 學習率衰減
Chapter 5: 循環神經網絡
- 循環神經網絡模塊：LSTM 和GRU
- 使用RNN 進行圖像分類
- 使用RNN 進行時間序列分析
- 自然語言處理的應用：
  - Word Embedding
  - N-Gram 模型
  - Seq-LSTM 做詞性預測
Chapter 6: 生成對抗網絡
- 自動編碼器
- 變分自動編碼器
- 生成對抗網絡
- 深度卷積對抗網絡(DCGANs) 生成人臉
Chapter 7: 深度強化學習
- Q Learning
- Open AI gym
- Deep Q-networks
Chapter 8: PyTorch高級
- tensorboard 可視化
- 靈活的數據讀取介紹
- autograd.function 的介紹
- 數據並行和多GPU
- 使用ONNX 轉化為Caffe2 模型
- 如何部署訓練好的神經網絡
- 打造屬於自己的PyTorch 的使用習慣

part2: 深度學習的應用

Chapter 9: 計算機視覺
- Fine-tuning: 通過微調進行遷移學習
- kaggle初體驗:貓狗大戰
- 語義分割: 通過FCN 實現像素級別的分類
- Pixel to Pixel 生成對抗網絡
- Neural Transfer: 通過卷積網絡實現風格遷移
- Deep Dream: 探索卷積網絡眼中的世界
Chapter 10: 自然語言處理
- Char RNN 實現文本生成
- Image Caption: 實現圖片字幕生成
- seq2seq 實現機器翻譯
- cnn + rnn + attention 實現文本識別