3. Pytorch 教程

目录:

• 3.1. Pytorch 快速入门
  • 3.1.1. 1.1 Pytorch 简介
  • 3.1.2. 1.2 Pytorch环境搭建
  • 3.1.3. 1.2.1 安装Pytorch
  • 3.1.4. PyTorch 深度学习:60分钟快速入门 （官方）
  • 3.1.5. 相关资源列表
  • 3.1.6. PyTorch是什么?
  • 3.1.7. Autograd: 自动求导机制
  • 3.1.8. Neural Networks
  • 3.1.9. 训练一个分类器
  • 3.1.10. 数据并行（选读）
  • 3.1.11. PyTorch 中文手册第一章 ： PyTorch入门
  • 3.1.12. PyTorch 基础 : 张量
  • 3.1.13. 使用PyTorch计算梯度数值
  • 3.1.14. PyTorch 基础 : 神经网络包nn和优化器optm
  • 3.1.15. PyTorch 基础 :数据的加载和预处理
  • 3.1.16. 2.2 深度学习基础及数学原理
  • 3.1.17. 2.3 神经网络简介
  • 3.1.18. 2.4 卷积神经网络简介
  • 3.1.19. 2.5 循环神经网络
  • 3.1.20. Pytorch 中文手册第二章 ： 基础
  • 3.1.21. 3.1 logistic回归实战
  • 3.1.22. 3.2 MNIST数据集手写数字识别
  • 3.1.23. 3.3 通过Sin预测Cos
  • 3.1.24. Pytorch 中文手册第三章 ： 实践
  • 3.1.25. 4.1 Fine tuning 模型微调
  • 3.1.26. 4.2.1 使用Visdom在 PyTorch 中进行可视化
  • 3.1.27. 4.2.2 使用Tensorboard在 PyTorch 中进行可视化
  • 3.1.28. 4.2.3 可视化理解卷积神经网络
  • 3.1.29. 基于Backpropagation的方法
  • 3.1.30. 4.3 fastai
  • 3.1.31. 4.5 多GPU并行训练
  • 3.1.32. 在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练
  • 3.1.33. Pytorch 中文手册第四章 ： 提高
  • 3.1.34. 5.1 kaggle介绍
  • 3.1.35. 5.2 Pytorch处理结构化数据
  • 3.1.36. Fashion MNIST进行分类
  • 3.1.37. Pytorch 中文手册第五章 ： 应用