pytorch学习路径

微信公众号：诗人藏夜里

参考了黄海广老师的pytorch快速入门资料，并结合自身从0到1的学习经历，写下此pytorch入门路径

本路径适合人群：深度学习初学者，深度学习框架初学者

欢迎拥抱最美DL框架

1. 莫烦pytorch系列教程

莫烦的这套视频一集最长也就15min，大多都是5分钟左右，莫烦哥哥风趣幽默，内容浅显易懂，直接上手，适合对pytorch有个基本了解。一天即可刷完并练习完。

目录：

• pytorch简介
• pytorch神经网络基础
• 建立第一个神经网络
• 高级神经网络结构
• 高阶内容

参考笔记：参考笔记

2.自己搭建resnet18 实现mnist分类

学了当然得赶紧用啦
resnet18

3.在练习尝试中熟练提高

推荐flyai平台，他们的GPU资源真的很诱人，非常感谢flyai平台给没有GPU资源的小白提供了练手的机会。

通过flyai平台 细胞图像分类-疟疾病诊断赛题进行pytorch练习
本项目 持续更新

4. 多看kaggle

---

其他资料推荐：

pytorch中文手册

pytorch handbook是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门，其中包含的Pytorch教程全部通过测试保证可以成功运行

资源目录：

第一章 ：PyTorch入门

第一节 PyTorch 简介

第二节 PyTorch 环境搭建

第三节 PyTorch 深度学习：60分钟快速入门（官方）

张量

Autograd：自动求导

神经网络

训练一个分类器

选读：数据并行处理（多GPU）

4.相关资源介绍

第二章 ： 基础

第一节 PyTorch 基础

张量自动求导神经网络包nn和优化器optm数据的加载和预处理

第二节 深度学习基础及数学原理

深度学习基础及数学原理

第三节 神经网络简介

神经网络简介

第四节 卷积神经网络

卷积神经网络

第五节 循环神经网络

循环神经网络

第三章 ： 实践

第一节 logistic回归

logistic回归二元分类

第二节 CNN:MNIST数据集手写数字识别

CNN:MNIST数据集手写数字识别

第三节 RNN实例：通过Sin预测Cos

RNN实例：通过Sin预测Cos

第四章 ： 提高

第一节 Fine-tuning

Fine-tuning

第二节 可视化

visdomtensorboardx可视化理解卷积神经网络

第三节 Fast.ai

Fast.ai

第五节 多GPU并行训练

多GPU并行计算

第五章 ： 应用

第一节 Kaggle介绍

Kaggle介绍

第二节 结构化数据

第三节 计算机视觉

第四节 自然语言处理