課程大綱：

PyTorch 基礎入門培訓

PyTorch 是一個基于 Torch 的 Python 開源機器學習庫，它主要由 Facebook 的人工智能小組開發。

該框架不僅能夠實現強大的 GPU 加速，還支持動態的神經網絡。

因此，很多互聯網的大廠在進行深度學習時，都會使用該框架，比如 Facebook、Twitter 等。

1 張量的定義

2 激活函數

3 神經網絡模型的建立與訓練

4 CIFAR 的識別

5 梯度的求解

6 數據預處理

7 手寫字符的識別

8 遷移學習

1
張量的定義

1.張量的定義

2.張量的運算

3.張量的切片

2
梯度的求解

1.張量的屬性

2.計算圖

3.梯度的計算

3
反向傳播算法

1.正向傳播算法

2.梯度下降算法

3.反向傳播算法

4
梯度下降算法

1.線性回歸

2.梯度下降算法

3.損失函數

實驗 5
損失函數與優化器

1.損失函數的定義

2.優化器的定義

3.模型的訓練步驟

1
線性回歸的求解

1.損失的定義

2.優化器的定義

3.模型的訓練

6
乳腺癌的預測

1.數據集的標準化

2.數據集的劃分

3.Sigmoid函數

4.乳腺癌的預測

7
數據加載器

1.數據的分批

2.手寫字符數據的分批

3.葡萄酒數據的分批

8
數據的預處理

1.預處理的批操作

2.葡萄酒數據的預處理

3.圖像數據的預處理

實驗 9
Softmax 函數與交叉熵函數

1.二分類和多分類

2.交叉熵損失

3.PyTorch中的Softmax和交叉熵

10
激活函數及可視化

1.Sigmoid函數

2.ReLU函數 3.Tanh函數

11
基于全連接神經網絡的數字識別

1.數據加載器的定義

2.優化器的定義

3.損失的定義

4.全連接網絡的建立

5.模型的訓練與測試

12
基于卷積神經網絡的 CIFAR10 識別

1.CIFAR10

2.數據的預處理

3.卷積神經網絡的相關概念

4.模型的搭建

5.模型的訓練

6.模型的測試與應用

13
基于遷移學習的蟻蜂分類模型

1.數據的預處理

2.遷移學習

3.預訓練模型

4.模型的訓練與測試

14
模型的保存與加載

1.完整模型的保存

2.模型參數的保存

3.模型的加載