PyTorch深度学习实战--极客时间课程推荐/优惠
版权声明
本站非极客时间官网，与官方无任何关系。我们不提供课程下载或详细内容，仅作为课程分享和推荐平台。我们鼓励大家支持正版，尊重创作者的劳动成果，这样不仅能帮助创作者持续产出优质内容，也能让自己获得更好的学习体验。请通过官方渠道购买和学习课程，感谢您的理解与支持。
课程详情
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。
课程介绍
PyTorch 框架发展迅猛，仅用了一年多的时间，几乎占据深度学习框架的半壁江山。
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
开篇词
- 开篇词 | 如何高效入门PyTorch？
基础篇
- 01 | PyTorch：网红中的顶流明星
- 02 | NumPy（上）：核心数据结构详解
- 03 | NumPy（下）：深度学习中的常用操作
- 04 | Tensor：PyTorch中最基础的计算单元
- 05 | Tensor变形记：快速掌握Tensor切分、变形等方法
模型训练篇
- 06 | Torchvision（上）：数据读取，训练开始的第一步
- 07 | Torchvision（中）：数据增强，让数据更加多样性
- 08 | Torchvision（下）：其他有趣的功能
- 09 | 卷积（上）：如何用卷积为计算机“开天眼”？
- 10 | 卷积（下）：如何用卷积为计算机“开天眼”？
- 11 | 损失函数：如何帮助模型学会“自省”？
- 12 | 计算梯度：网络的前向与反向传播
- 13 | 优化方法：更新模型参数的方法
- 加餐 | 机器学习其实就那么几件事
- 14 | 构建网络：一站式实现模型搭建与训练
- 15 | 可视化工具：如何实现训练的可视化监控？
- 16｜分布式训练：如何加速你的模型训练？
实战篇
- 17 | 图像分类（上）：图像分类原理与图像分类模型
- 18 | 图像分类（下）：如何构建一个图像分类模型?
- 19 | 图像分割（上）：详解图像分割原理与图像分割模型
- 20 | 图像分割（下）：如何构建一个图像分割模型？
- 21 | NLP基础（上）：详解自然语言处理原理与常用算法
- 22 | NLP基础（下）：详解语言模型与注意力机制
- 23 | 情感分析：如何使用LSTM进行情感分析？
- 24 | 文本分类：如何使用BERT构建文本分类模型？
- 25 | 摘要：如何快速实现自动文摘生成？
结束语
- 结束语｜人生充满选择，选择与努力同样重要
- 期末测试｜来赴一场100分之约！
特别放送
- 用户故事 | Tango：师傅领进门，修行在个人
- 答疑篇｜思考题答案集锦
- 加餐｜基础模型：AI时代的新篇章
作者介绍
推荐
