《PyTorch深度学习实践》介绍

       本文为bilibili刘二大人所讲的《PyTorch深度学习实践》学习笔记介绍。
       笔记融入了自己对课程和代码的理解，希望对大家有所帮助，由于本人知识尚浅，如果笔记中有任何不足之处，欢迎大家留言交流。课程代码已全部运行无误！

课程链接：《PyTorch深度学习实践》完结合集
代码和资料在本人Gitee主页：https://gitee.com/Xiaolong_AI/deep-learning-and-Pytorch

《PyTorch深度学习实践》学习笔记目录（完结）：
       1. 线性模型（Linear Model）
       2. 梯度下降算法（Gradient Descent）
       3. 反向传播（Back Propagation）
       4. 线性回归（Linear Regression）
       5. 逻辑回归[对数几率回归]（Logistic Regression）
       6. 加载数据集（Dataset and DataLoader）
       7. MNIST数据集多分类（Softmax Classifier）
       8. 卷积神经网络-基础篇（Basic-Convolution Neural Network）
       9. 卷积神经网络-高级篇（Advanced-Convolution Neural Network）
       10. 循环神经网络-基础篇（Basic-Recurrent Neural Network）
       11. 循环神经网络-高级篇（Advanced-Recurrent Neural Network）【未更新】

专栏还有一些其它内容，并且会持续更新，如有需要，请自行查阅。