Pytorch框架

一、PyTorch基础概念

            1、张量简介与创建

            2、张量操作

            3、计算图与动态图

            4、autograd 

二、PyTorch数据处理

            1、DataSet与DataLoader

            2、读取数据

            3、数据预处理

            4、数据增强

三、PyTorch模型构建

           1、模型的搭建及sequential

           2、常用网络层介绍与使用

           3、模型参数初始化方法

           4、卷积神经网络搭建

四、PyTorch损失优化

       1、特殊的模块-Function

       2、损失函数

       3、优化器

       4、学习率调整方法

五、PyTorch训练过程

       1、TensorBoard

       2、Loss及Accuracy可视化

       3、卷积核及特征图可视化

       4、梯度及权值分布可视化

       5、混淆矩阵及可视化

       6、类激活图可视化

六、PyTorch的正则化

           1、过拟合正则化

           2、L1和L2正则化

           3、Dropout

           4、Batch Normalization

           5、Module.eval()对dropout及BN的影响

七、PyTorch的训练技巧

           1、迁移学习之---模型Finetune

           2、模型保存与加载

           3、Early Stop

           4、GPU使用---调用、选择、模型保存与加载

八、PyTorch小试牛刀

           1、图像分类算法-ResNet

           2、图像分割算法-Unet

           3、图像目标检测-Faster RCNN

           4、图像生成对抗网络--GAN

           5、循环神经网络

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值