- 课程目录
- 课程介绍
-
在线阅读：开篇词 | 如何高效入门PyTorch？
一旦掌握了PyTorch，就相当于走上了深度学习、机器学习的快车道。
-
01 | PyTorch：网红中的顶流明星
让我们先从PyTorch的安装及常用编程工具说起，让你对PyTorch用到的语言、工具、技术做到心里有数。
-
02 | NumPy（上）：核心数据结构详解
论你正在从事或打算入门机器学习，不接触NumPy几乎不可能。
-
03 | NumPy（下）：深度学习中的常用操作
今天我们继续学习NumPy，几乎在所有深度学习相关的项目中，你都会常常用到今天讲的这些函数。
-
04 | Tensor：PyTorch中最基础的计算单元
在深度学习中，从数据的组织，到模型内部的参数，都是通过一种叫做张量的数据结构进行表示和处理。今天都内容将围绕张量（Tensor）展开。
-
05 | Tensor变形记：快速掌握Tensor切分、变形等方法
要想在实际的应用中更灵活地用好Tensor，Tensor的连接、切分等操作也是必不可少的。
-
06 | Torchvision（上）：数据读取，训练开始的第一步
Torchvision是一和PyTorch配合使用的Python包。我们先从数据处理入手，开始PyTorch的学习的第一步。这节课我们会先介绍Torchvision的常用数据集及其读取方法。
-
07 | Torchvision（中）：数据增强，让数据更加多样性
今天我们就来学习一下，利用Torch vision如何进行数据预处理操作，如何进行图像变换与增强。
-
08 | Torchvision（下）：其他有趣的功能
今天的重点内容是`torchvision.models`模块的使用，包括如何实例化一个网络与如何进行模型的微调。
-
09 | 卷积（上）：如何用卷积为计算机“开天眼”？
今天所讲的卷积非常重要，它是各种计算机视觉应用的基础，例如图像分类、目标检测、图像分割等。
-
10 | 卷积（下）：如何用卷积为计算机“开天眼”？
PyTorch中conv2d中剩余的两个参数，它们分别对应着两种不同的卷积，分别是深度可分离卷积和空洞卷积，这是我们这节课的学习内容。
-
11 | 损失函数：如何帮助模型学会“自省”？
这节课咱们先从损失函数开始说起。损失函数是一把衡量模型学习效果的尺子，甚至可以说，训练模型的过程，实际就是优化损失函数的过程。
-
12 | 计算梯度：网络的前向与反向传播
这节课我们一起学习前馈网络这种最简单的神经网络。虽然前馈网络很简单，但是它的思想贯穿了整个深度学习的过程，是非常重要的概念。
-
13 | 优化方法：更新模型参数的方法
只有搞懂了优化方法，才能做到真的明白反向传播的具体过程。
-
加餐 | 机器学习其实就那么几件事
今天这次加餐，我们就一起来看看什么是机器学习，它是怎么分类的，都有哪些常见名词。在补充了这些基础知识之后，我还会和你聊聊模型训练的本质是什么，你可以把它当作专栏更新过半的期中总结。
-
14 | 构建网络：一站式实现模型搭建与训练
这节课是我会带你使用PyTorch构建和训练一个自己的模型，让前面所学知识真正落地。
-
15 | 可视化工具：如何实现训练的可视化监控？
在模型训练过程中，我们常常需要对模型的参数、评价指标等信息进行可视化监控。今天我们主要会学习两种可视化工具，并利用它们实现训练过程的可视化监控。
-
16｜分布式训练：如何加速你的模型训练？
今天我们一起剖析分布式训练的原理，然后一起学习一个分布式训练的实战项目。
-
17 | 图像分类（上）：图像分类原理与图像分类模型
像智能手机的识图功能都是怎么实现的呢？这背后离不开图像分类的知识，我们将用两节课一起学习。
-
18 | 图像分类（下）：如何构建一个图像分类模型?
今天我们会借助训练ImageNet的例子，从头到尾一起来完成一个完整的图像分类项目实践。
-
19 | 图像分割（上）：详解图像分割原理与图像分割模型
无论是线上会议的虚拟化背景功能，还说手机的人像留色，这些应用背后的实现都离不开今天要讲的图像分割。
-
20 | 图像分割（下）：如何构建一个图像分割模型？
通过这节课的学习，你不但能再次体验一下完整机器学习的模型实现过程，还能实际训练一个语义分割模型。
-
21 | NLP基础（上）：详解自然语言处理原理与常用算法
这节课我们学习自然语言处理的原理和常用算法，为你揭秘三个经典的NLP基础但重要的问题。
-
22 | NLP基础（下）：详解语言模型与注意力机制
注意力机制如何让模型善解人意？
-
23 | 情感分析：如何使用LSTM进行情感分析？
今天这节课，我们将完成一个情感分析项目，一起来对影评文本做分析。
-
24 | 文本分类：如何使用BERT构建文本分类模型？
我们就一起来搭建一个PyTorch + BERT文本分类模型，相信我，它的效果表现非常强悍。
-
25 | 摘要：如何快速实现自动文摘生成？
这节课我们结合实例学习了BART模型的原理与特点，这是一个非常实用的预训练模型，能够帮助我们实现文本摘要生成。
-
用户故事 | Tango：师傅领进门，修行在个人
程的课程在学习时，很容易出现一种错觉，眼睛觉得学会了，可实际动手写的时候，又好像感觉之前的内容没学到位。
-
答疑篇｜思考题答案集锦
课程的思考题，为了给你留足思考和研究的时间，我们选择用加餐的方式，把所有参考答案一次性发布出来。
-
结束语｜人生充满选择，选择与努力同样重要
AI很多时候没有技术限制，唯一能限制你的，只有你的想象力。
-
期末测试｜来赴一场100分之约！
为了帮助你检验自己的学习效果，我特别给你准备了一套结课测试题，快来挑战一下吧。
课程介绍
你将获得 PyTorch 核心原理与应用详解 5 大实战模块，吃透 PyTorch 8 个核心模型训练要点 10 年老兵的深度/机器学习心法 讲师介绍 课程介绍...你将获得
- PyTorch 核心原理与应用详解
- 5 大实战模块，吃透 PyTorch
- 8 个核心模型训练要点
- 10 年老兵的深度/机器学习心法
讲师介绍
课程介绍
如果你即将进入，或者已经进入了深度学习、机器学习这些相关领域，PyTorch 能够帮你实现模型和算法，快速完成深度学习模型部署，提供高并发服务，还可以轻松实现图像生成、文本分析、情感分析这样有趣的实验。另外，很多算法相关岗位，也同样需要熟练使用 PyTorch。
这意味着，一旦你掌握了 PyTorch，就相当于走上了深度学习与机器学习的快车道。
但想要快速入门、上手 PyTorch，也面临这样一些挑战：
- 缺乏系统资料：网上的学习资料良莠不齐，缺乏科学的学习路径；
- 无法进阶深入：张量、神经网络等前置知识需求多，深入理解 PyTorch 原理门槛高；
- 难以落地实践：各种函数、参数多且难记忆，真正实践不知从何下手。
基于此，方远老师将结合自己丰富的实战经验，为你呈现一套系统完整的 PyTorch 技术学习框架（基于 PyTorch 1.9.0 版本），让你从原理到项目一站式攻克学习难题，熟练掌握PyTorch 框架，解决实际问题。
课程设计
遵循由浅入深的原则，整个专栏共分为以下三个模块：
基础篇：夯实基础，详解 PyTorch 基础知识。通过这部分内容，你将学习 PyTorch 中两大重要知识点—— NumPy 与Tensor 的用法。
模型训练篇：带你快速掌握一个框架。结合深度学习模型训练的一系列流程，为你详解自动求导机制、网络搭建、模型参数更新、保存与加载模型、训练过程可视化、分布式训练等等关键模块，带你具体看看 PyTorch 为我们提供怎样的帮助。通过这部分内容，你就能基于 PyTorch 搭建网络模型了。
实战篇：结合当下最流行的图像与自然语言处理任务，串连前面两个模块的内容，为你深入讲解 PyTorch 如何解决实际问题，如图像分割、情感分析、文本分类等等。
课程目录
【每天 1.3 元，解锁极客时间超级会员】
特别放送
免费领取福利
限时活动推荐
