https://medium.com/pyladies-taiwan/%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%96%B0%E6%89%8B%E6%9D%91-pytorch%E5%85%A5%E9%96%80-511df3c1c025
http://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html
深度学习与PyTorch:60分钟的闪电战
本教程的目标:
- 高度理解PyTorch的张量库和神经网络。
- 训练一个小型神经网络来分类图像
本教程假设您对numpy有基本的了解
注意
确保安装了割炬和torchvision软件包。
![../_images/data_parallel.png](http://pytorch.org/tutorials/_images/data_parallel.png)
https://morvanzhou.github.io/tutorials/machine-learning/torch/
-
PyTorch 简介
-
PyTorch 神经网络基础
-
建造第一个神经网络
-
高级神经网络结构
- 4.1 什么是卷积神经网络 CNN (Convolutional Neural Network)
- 4.2 CNN 卷积神经网络
- 4.3 什么是循环神经网络 RNN (Recurrent Neural Network)
- 4.4 什么是 LSTM 循环神经网络
- 4.5 RNN 循环神经网络 (分类)
- 4.6 RNN 循环神经网络 (回归)
- 4.7 什么是自编码 (Autoencoder)
- 4.8 AutoEncoder (自编码/非监督学习)
- 4.9 什么是 DQN
- 4.10 DQN 强化学习
- 4.11 什么是生成对抗网络 (GAN)
- 4.12 GAN (Generative Adversarial Nets 生成对抗网络)
-
高阶内容
----------------------------
-
Tensorflow 简介
-
Tensorflow 基础构架
-
建造我们第一个神经网络
-
可视化好助手 Tensorboard
-
高阶内容
- 5.1 Classification 分类学习
- 5.2 什么是过拟合 (Overfitting)
- 5.3 Dropout 解决 overfitting
- 5.4 什么是卷积神经网络 CNN (Convolutional Neural Network)
- 5.5 CNN 卷积神经网络 1
- 5.6 CNN 卷积神经网络 2
- 5.7 CNN 卷积神经网络 3
- 5.8 Saver 保存读取
- 5.9 什么是循环神经网络 RNN (Recurrent Neural Network)
- 5.10 什么是 LSTM 循环神经网络
- 5.11 RNN 循环神经网络
- 5.12 RNN LSTM 循环神经网络 (分类例子)
- 5.13 RNN LSTM (回归例子)
- 5.14 RNN LSTM (回归例子可视化)
- 5.15 什么是自编码 (Autoencoder)
- 5.16 自编码 Autoencoder (非监督学习)
- 5.17 scope 命名方法
- 5.18 什么是批标准化 (Batch Normalization)
- 5.19 Batch Normalization 批标准化
- 5.20 Tensorflow 2017 更新
- 5.21 用 Tensorflow 可视化梯度下降
- 5.22 什么是迁移学习 Transfer Learning
- 5.23 迁移学习 Transfer Learning
x -----------------------------
Theano 简介
-
Theano 基础构架
-
搭建自己的神经网络
-
总结
-