PyTorch深度学习实战

PyTorch深度学习实战 / 从0到1,快速上手PyTorch

方远 LINE China 数据科学家
  • 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。

31讲

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


订阅须知

随机推荐

法丽兹饼干-膨化分享一下使用心得?详细评测报告!

屹嘉临YJL-4反馈怎么样?买前必知!

屹嘉临YJL-4反馈怎么样?功能评测介绍一网打尽!

卡诗洗发水购买前需要注意什么?看完这篇评测就行了!

特仑苏牛奶乳品适合入手吗?测评大揭秘!

艾惟诺婴童护肤真的好吗?达人专业评测?