课程优势

点我咨询困惑

学习大纲

  • 第一周~第二周


    1.PyTorch 介绍

    2.环境配置

    2.1 Anaconda

    2.2 Pycharm

    2.3安装Pytorch

    2.4测试

    3.PyTorch 常用API

    3.1 Torch基本操作(官方文档1,2,3,4,5,6,7,8,11,14)

    作业:把每个API自己手敲三遍,理解其操作

  • 第三周~第四周


    4.卷积神经网络的模块化操作

    (包括torch.utils和torchvision操作[官方文档的16~21])

    4.1数据处理

    4.1.1数据读取

    4.1.2数据扩增(22个方法)

    4.2构建模型(包括torch.nn和torch.nn.functional操作[官方文档的9,10])

    4.3模型参数初始化方法(torch.nn.init操作10个方法[官方文档12)

    4.4优化器(torch.optim操作10个方法[官方文档11])

    4.6.损失函数(17个)

    4.6学习率机制

    4.7数据可视化

    4.7.1 卷积核可视化

    4.7.2 特征图可视化

    4.7.3 梯度及权值分布可视化

    4.7.4 混淆矩阵的可视化

    5.开始简单的图像比赛

    作业:自己写一个分类神经网络(包括数据预处理、模型搭建、模型初始化、损失函数选取、优化器选取、学习率机制、数据可视化等操作)

  • 第五周


    Logistics分类实战

    多层感知机MLP实战

    卷积神经网络CNN:Resnet18

    递归神经网络RNN-LSTM:词性预测

    CNN卷积神经网络:定位检测实战

    GAN项目实战

    开始一个图像分类比赛(kaggle 猫狗识别)

pc52-1.jpg


0-pc2.jpg




pc52 拷贝.jpg






pc53 拷贝.jpg


西瓜书3-2.jpg






01.jpg




西瓜书4-1.jpg





pytorch4-2.jpg







pytorch5-1.jpg






pc52.jpg




pytorch5-2.jpg