Pytorch Knowledge

Pytorch 学习手册

大多数机器学习工作流程都涉及处理数据、创建模型、优化模型参数和保存经过训练的模型。 本教程向您介绍在 PyTorch 中实现的完整 ML 工作流，并提供链接以了解有关每个概念的更多信息。

本教程将涉及机器学习与深度学习的基础知识, 涵盖回归分类问题以及深度学习许多知名的基础框架, 如CNN, RNN, fastai等。

Facebook官方教程目录将使用 FashionMNIST 数据集来训练一个神经网络，该网络预测输入图像是否属于以下类别之一：T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或脚踝。

Pytorch深度学习实战目录将从最简单的线性回归问题开始逐渐过渡至复杂的深度学习模型。

本教程假定您基本熟悉 Python 和深度学习概念。其中文档(Facebook官方教程)翻译自Pytorch 官网

运行教程代码

您可以通过以下几种方式运行本教程：

• 在云端
• 本地：此选项要求您首先在本地计算机上设置 PyTorch 和 TorchVision（安装说明）。 将代码复制到您最喜欢的 IDE 中。

Facebook官方教程目录

1. Tensors
2. Datasets and DataLoaders
3. Transforms

Pytorch深度学习实战目录

1. 线性与非线性回归问题
2. 逻辑回归问题
3. CNN实战: 手写字体识别
4. 迁移学习: 使用AlexNet实现猫狗二分类
5. RNN实战: 利用LSTM实现函数预测
6. GAN实战: 利用GAN实现柴犬头像的生成