pytorch deep learning
1.0.0
歡迎來到零來學習Pytorch進行深度學習課程，這是在互聯網上學習Pytorch的第二個最佳地點（第一個是Pytorch文檔）。
| 部分 | 它涵蓋了什麼？ | 練習和外交 | 幻燈片 |
|---|---|---|---|
| 00- Pytorch基本面 | 許多用於深度學習和神經網絡的基本pytorch操作。 | 去練習和外交活動 | 去幻燈片 |
| 01- Pytorch工作流程 | 提供了解決深度學習問題並使用Pytorch建立神經網絡的大綱。 | 去練習和外交活動 | 去幻燈片 |
| 02- pytorch神經網絡分類 | 使用pytorch工作流程從01開始進行神經網絡分類問題。 | 去練習和外交活動 | 去幻燈片 |
| 03- Pytorch電腦視覺 | 讓我們看看如何使用01和02的相同工作流程將Pytorch用於計算機視覺問題。 | 去練習和外交活動 | 去幻燈片 |
| 04- Pytorch自定義數據集 | 如何將自定義數據集加載到Pytorch中？另外，我們將在本筆記本中為我們的模塊化代碼（涵蓋05）奠定基礎。 | 去練習和外交活動 | 去幻燈片 |
| 05- pytorch進行模塊化 | Pytorch設計為模塊化，讓我們將創建的內容轉換為一系列Python腳本（這就是您經常在野外找到Pytorch代碼的方式）。 | 去練習和外交活動 | 去幻燈片 |
| 06- Pytorch轉移學習 | 讓我們以表現出色的預訓練模型並將其調整為我們自己的問題之一。 | 去練習和外交活動 | 去幻燈片 |
| 07-里程碑項目1：Pytorch實驗跟踪 | 我們已經建立了一堆型號...跟踪它們的進展不是很好嗎？ | 去練習和外交活動 | 去幻燈片 |
| 08-里程碑項目2：Pytorch紙複製 | Pytorch是用於機器學習研究的最流行的深度學習框架，讓我們通過複製機器學習紙來了解原因。 | 去練習和外交活動 | 去幻燈片 |
| 09-里程碑項目3：模型部署 | 因此，我們已經建立了一個工作的Pytorch模型...如何將其掌握在他人手中？提示：將其部署到Internet。 | 去練習和外交活動 | 去幻燈片 |
| Pytorch額外資源 | 本課程涵蓋了大量的Pytorch和深度學習，但是機器學習的領域很廣泛，在這裡您會找到推薦的書籍和資源：Pytorch and Deep Mearning，ML Engineering，NLP（自然語言處理），時間序列數據，時間序列數據，在哪裡可以找到數據集等。 | - | - |
| pytorch備忘單 | 非常快速概述Pytorch的一些主要功能以及指向各種資源的鏈接，在課程中和Pytorch文檔中可以找到更多資源。 | - | - |
| 快速Pytorch 2.0教程 | FasssssST介紹了Pytorch 2.0的簡介，什麼是新的以及如何與資源一起開始學習更多信息。 | - | - |
所有材料均已完成，並在零上發布了視頻！
請參閱項目頁面以獲取Work-In-Progress委員會-https：//github.com/users/mrdbourke/projects/1
請參閱日誌以獲取幾乎每日更新。
您：是機器學習或深度學習領域的初學者，希望學習Pytorch。
本課程：以動手，代碼優先的方式教您Pytorch和許多機器學習概念。
如果您已經在機器學習方面擁有1年+經驗，那麼本課程可能會有所幫助，但專門設計為初學者友好。
對於1和2，我建議零對數據科學和機器學習訓練營進行零，它將教您機器學習和Python的基礎知識（儘管我有偏見，但我也教那個課程）。
所有課程材料均可在Learnpytorch.io的在線書中免費獲得。如果您想閱讀，我建議您瀏覽其中的資源。
如果您希望通過視頻學習，那麼該課程也會以學徒風格的格式教授，這意味著我編寫了Pytorch代碼，您可以編寫Pytorch代碼。
如果有疑問，座右銘包括，運行代碼和實驗，實驗，實驗是有原因的！ 。
我的整個目標是幫助您做一件事情：通過編寫Pytorch代碼來學習機器學習。
該代碼都是通過Google Colab筆記本（您也可以使用Jupyter Notebooks）編寫的，這是一種令人難以置信的免費資源來嘗試機器學習。
如果您瀏覽視頻，則有證書和所有爵士樂。
但是證書是meh。
您可以考慮本課程的機器學習勢頭構建器。
最後，您將編寫數百行Pytorch代碼。
並將暴露於機器學習中許多最重要的概念。
因此，當您去構建自己的機器學習項目或檢查使用Pytorch製造的公共機器學習項目時，它會感到熟悉，如果不熟悉，至少您會知道在哪裡看。
我們從Pytorch和機器學習的準排骨基礎開始，因此，即使您不熟悉機器學習，您也會遇到速度。
然後，我們將探索更高級的領域，包括Pytorch神經網絡分類，Pytorch工作流程，計算機視覺，自定義數據集，實驗跟踪，模型部署以及我個人最喜歡的：轉移學習，一種強大的技術，用於將一個機器學習模型在另一個問題上學到的東西並將其應用於您自己！
一路上，您將圍繞一個名為FoodVision的總體項目構建三個里程碑項目，這是一種神經網絡計算機視覺模型，以對食物的圖像進行分類。
這些里程碑項目將幫助您練習使用Pytorch涵蓋重要的機器學習概念，並創建一個可以向雇主展示的投資組合，並說“這是我所做的”。
您可以在任何設備上閱讀材料，但是最好在桌面瀏覽器中查看和編碼此課程。
該課程使用稱為Google Colab的免費工具。如果您沒有它的經驗，我將免費介紹Google COLAB教程，然後回到這裡。
開始：
請留下討論或直接給我發送電子郵件：Daniel（AT）Mrdbourke（DOT）com。
幾乎每天都會更新發生的事情。
extras/中添加Pytorch作弊的筆記本（Pytorch的許多最重要功能的簡單概述）demos/ ，開始註釋筆記本09，使用解釋器文本torchvision v0.13創建07 V2（釋放torchvision=0.13時，將替換07 V1）torchvision v0.13（釋放torchvision=0.13時，將替換06 V1）torchvision V0.13更新（新的轉移學習方法）helper_functions.py
