PyTorch入门实战教程笔记目录
1、PyTorch入门实战教程笔记(一):配置开发环境
- Anaconda 安装
- 安装CUDA
- PyTorch安装
- 安装PyCharm
2、PyTorch入门实战教程笔记(二):简单回归问题
- 通过loss求解一元二次方程
- 实战Linear Regression
3、PyTorch入门实战教程笔记(三):手写数字问题引入
- MINIST数据集简介
- 基础三层嵌套
4、PyTorch入门实战教程笔记(四):基础张量操作1
- 数据类型简介
- 创建Tensor,生成数据
5、PyTorch入门实战教程笔记(五):基础张量操作2
- 索引和切片
- Tensor维度变换
6、PyTorch入门实战教程笔记(六):基础张量操作3
- Broadcasting自动扩展
- 合并与分割:cat、stack、split、chunk
7、PyTorch入门实战教程笔记(七):MNIST 手写数字识别代码详解
- 流程
- 代码实战:utils.py辅助文件、mnist_train.py主文件、输出结果
8、PyTorch入门实战教程笔记(八):基础张量操作4
- 数学运算:加减乘除、矩阵相乘、次方等
- 统计属性:求范数、均值、累乘、最大最小值及其索引,topk
9、PyTorch入门实战教程笔记(九):基础张量操作5
- where()条件函数
- gather()收集操作函数
10、PyTorch入门实战教程笔记(十):梯度相关操作1
- 梯度概念
- 用梯度找极小值解
- 常见函数梯度
- 激活函数及梯度
11、PyTorch入门实战教程笔记(十一):梯度相关操作2
- 均方差Mean Squared Error (MSE)Loss
- 用于分类的交叉熵Cross Entropy Loss
12、PyTorch入门实战教程笔记(十二):梯度相关操作3
- 感知机梯度推导:单层感知机、多层感知机
- 链式法则
13、PyTorch入门实战教程笔记(十三):梯度相关操作4
- MLP反向传播
- 2D函数优化实例
14、PyTorch入门实战教程笔记(十四):神经网络与全连接层1
- 交叉熵Cross Entropy Loss详解
- 多分类问题实战
15、PyTorch入门实战教程笔记(十五):神经网络与全连接层2
- pytorch自带的nn.Linear操作
- 网络整体结构搭建、训练
16、PyTorch入门实战教程笔记(十六):神经网络与全连接层3
- GPU/CPU运行切换
- 网络测试代码
- Visdom
17、PyTorch入门实战教程笔记(十七):过拟合1
- 过拟合&欠拟合
- 交叉验证
- 正则化
18、PyTorch入门实战教程笔记(十八):过拟合2(训练小技巧)
- 动量操作
- 学习率衰减
19、PyTorch入门实战教程笔记(十九):卷积神经网络CNN 1
- 卷积神经网络基本概念
- 卷积神经网络代码实现
- 池化层与采样
- ReLU
20、PyTorch入门实战教程笔记(二十):卷积神经网络CNN 2
- Batch Norm
- 经典的卷积神经网络
21、PyTorch入门实战教程笔记(二十一):卷积神经网络CNN 3
- nn.Module类详解
22、PyTorch入门实战教程笔记(二十二):卷积神经网络CNN 4
- 数据增强方法
23、PyTorch入门实战教程笔记(二十三):卷积神经网络实现 1:Lenet5实现CIFAR10
- CIFAR10数据集介绍
- CIFAR10代码实战卷积层类代码
- lenet5 训练cifar10实战
24、PyTorch入门实战教程笔记(二十四):卷积神经网络实现 2:ResNet实现CIFAR10
- CIFAR10数据集介绍
- CIFAR10代码实战准备残差块类代码
- resnet18 训练cifar10实战