- 11人
- 分享收藏
深度学习Pytorch框架班
难度系数：⭐⭐⭐ 课程系列：AI必修课
价格
298.00元
学习有效期 365天 （随到随学）
承诺服务
问
提问必答
简介
【进阶必修·训练营】深度学习PyTorch框架实战
模块一
1、PyTorch简介
2、环境配置
3、Pycharm
4、anaconda
5、安装PyTorch
6、测试
7、PyTorch的数据结构--Tensor和Variable
8、PyTorch的自动微分--autograd
9、PyTorch的nn模块--逻辑回归
- 作业讲解:
- Tensor操作
- 实现自动微分
- 采用nn实现逻辑回归分类器
模块二
10、DataSet与DataLoader
11、让PyTorch读取自己的数据
12、数据预处理及从硬盘到模型
13、数据增强的二十二种模块
- 作业讲解:
- 构建DataSet读取自己的数据
- 实现数据增强
模块三
14、模型搭建要素及sequential
15、常用网络层介绍及使用
16、模型参数初始化方法--十种
17、卷积神经网络Lenet-5搭建及训练
- 作业讲解:
- 采用sequential和非sequenial构建Lenet-5进行图像分类
- 采用不同初始化方法对Lenet-5参数初始化
模块四
18、特殊的Module--Function
19、损失函数讲解--十七种
20、优化器讲解--十种
21、学习率调整策略--六种
- 作业讲解:
- 手算并对比PyTorch损失函数
- 构建一个优化器并打印其属性
- 实现学习率调整策略并打印学习率变化
模块五
22、TensorBoard介绍
23、Loss及Accuracy可视化
24、卷积核及特征图可视化
25、梯度及权值分布可视化
26、混淆矩阵及其可视化
27、类激活图可视化(Grad-CAM)
- 作业讲解:
- 采用Tensorborad对Lenet-5的loss、accuracy和混淆矩阵进行可视化
- 对AlexNet的卷积核及特征图可视化
- 采用Grad-CAM对Lenet-5进行类激活图可视化
模块六
28、过拟合正则化
29、L1和L2正则项
30、Dropout
31、Batch Normalization
32、module.eval()对dropout及BN的影响
- 作业讲解:
- 采用L1和L2对逻辑回归进行正则化，并采用TensorBoard对权值分布进行对比;
- 对Lenet-5采用dropout及BN，并理解module.eval()原理
模块七
33、迁移学习之--模型Finetune
34、模型保存与加载
35、Early Stop
36、GPU使用一-调用、选择、模型保存与加载
- 作业讲解:
- 采用10分类模型进行2分类Finetune;
- GPU模型训练与加载
模块八
37、图像分类实战--ResNet18
38、图像分割实战--Unet
39、图像目标检测实战--YOLOV3
40、图像生成对抗网络实战--GAN
41、递归神经网络实战--RNN/LSTM
- 项目:采用自己的数据实现上述5种模型
学习目录
学员评价
暂无评价哦～
授课老师
吃掉AI需要几步
AI资深玩家
电子版《CDA一级教材》
扫码获取CDA教材，累计已有10万+在读~
猜你想学
人工智能公开课
0.00
【公开课】MIT深度学习与自动驾驶
0.00
Python零基础快速入门(Jupyter Notebook实现)
9.90
3天搞定机器学习深度学习基础-Python入门系列
99.00
【通信】使用Python进行离网用户预警案例
99.00
5天搞定深度学习框架-Caffe入门系列
99.00
CDA考证
官网微信
