Toggle navigation sidebar
Toggle in-page Table of Contents
深入浅出PyTorch
目录
第零章:前置知识
人工智能简史
模型评价指标
常用包的学习
Jupyter notebook/Lab 简述
第一章:PyTorch的简介和安装
1.1 PyTorch简介
1.2 PyTorch的安装
1.3 PyTorch相关资源
第二章:PyTorch基础知识
2.1 张量
2.2 自动求导
2.3 并行计算简介
AI硬件加速设备
第三章:PyTorch的主要组成模块
3.1 思考:完成深度学习的必要部分
3.2 基本配置
3.3 数据读入
3.4 模型构建
3.5 模型初始化
3.6 损失函数
3.7 训练和评估
3.8 可视化
3.9 PyTorch优化器
第四章:PyTorch基础实战
4.1 ResNet
基础实战——FashionMNIST时装分类
第五章:PyTorch模型定义
5.1 PyTorch模型定义的方式
5.2 利用模型块快速搭建复杂网络
5.3 PyTorch修改模型
5.4 PyTorch模型保存与读取
第六章:PyTorch进阶训练技巧
6.1 自定义损失函数
6.2 动态调整学习率
6.3 模型微调-torchvision
6.3 模型微调 - timm
6.4 半精度训练
6.5 数据增强-imgaug
6.6 使用argparse进行调参
第七章:PyTorch可视化
7.1 可视化网络结构
7.2 CNN可视化
7.3 使用TensorBoard可视化训练过程
7.4 使用wandb可视化训练过程
第八章:PyTorch生态简介
8.1 本章简介
8.2 torchvision
8.3 PyTorchVideo简介
8.4 torchtext简介
8.5 torchaudio简介
第九章:PyTorch的模型部署
9.1 使用ONNX进行部署并推理
第十章:常见代码解读
10.1 图像分类简介(补充中)
目标检测简介
10.3 图像分割简介(补充中)
ResNet源码解读
文章结构
文章结构
Transformer 解读
ViT解读
Swin Transformer解读
repository
open issue
suggest edit
.md
.pdf
第八章:PyTorch生态简介
第八章:PyTorch生态简介
#
8.1 本章简介
8.2 torchvision
8.2.1 torchvision简介
8.2.2 torchvision.datasets
8.2.3 torchvision.transforms
8.2.4 torchvision.models
8.2.5 torchvision.io
8.2.6 torchvision.ops
8.2.7 torchvision.utils
8.3 PyTorchVideo简介
8.3.1 PyTorchVideo的主要部件和亮点
8.3.2 PyTorchVideo的安装
8.3.3 Model zoo 和 benchmark
8.3.4 使用 PyTorchVideo model zoo
8.4 torchtext简介
8.4.1 torchtext的主要组成部分
8.4.2 torchtext的安装
8.4.3 构建数据集
8.4.4 评测指标(metric)
8.4.5 其他
8.5 torchaudio简介
8.4.1 torchaduio的主要组成部分
8.4.2 torchaduio的安装
8.4.3 datasets的构建
8.4.4 model和pipeline的构建
8.4.5 transforms和functional的使用
8.4.6 compliance和kaldi_io的使用
总结