Pytorch Knowledge

Pytorch 學習手冊

大多數機器學習工作流程都涉及處理資料、建立模型、最佳化模型參數和保存經過訓練的模型。 本教學向您介紹在PyTorch 中實現的完整ML 工作流程，並提供連結以了解有關每個概念的更多資訊。

本教程將涉及機器學習與深度學習的基礎知識, 涵蓋回归分类问题以及深度學習許多知名的基礎框架, 如CNN , RNN , fastai等。

Facebook官方教程目錄將使用FashionMNIST資料集來訓練一個神經網絡，該網絡預測輸入圖像是否屬於以下類別之一： 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深度學習實戰目錄將從最簡單的線性迴歸問題開始逐漸過渡到複雜的深度學習模型。

本教程假定您基本上熟悉Python 和深度學習概念。其中文件(Facebook官方教學)翻譯自Pytorch 官網

運行教程程式碼

您可以透過以下幾種方式運行本教學：

• 在雲端
• 本機：此選項要求您先在本機上設定PyTorch 和TorchVision（安裝說明）。 將程式碼複製到您最喜歡的IDE 中。

Facebook官方教學目錄

1. Tensors
2. Datasets and DataLoaders
3. Transforms

Pytorch深度學習實戰目錄

1. 線性與非線性迴歸問題
2. 邏輯迴歸問題
3. CNN實戰: 手寫字體識別
4. 遷移學習: 使用AlexNet實現貓狗二分類
5. RNN實戰: 利用LSTM實作函數預測
6. GAN實戰: 利用GAN實現柴犬頭像的生成