2021PyTorch深度学习实战

深度学习实战

使用PyTorch新兴技术框架

快速、高效，O基础入门深度学习

常用神经网络模型全领域覆盖

助力论文发表

决胜2021春招

讲师阵容

九天Hector

毕业于北京理工大学

电子科大大数据中心高级算法工程师

成都盈鼎资产数据科学技术专家

有丰富的算法设计、优化经验,

握有数项研发专利

菜菜TsaiTsai

英国卡斯商学院硕士

PWC London 数据审计与咨询师

四川淳科实业大数据技术顾问

机器学习Sklearn课程主讲老师

60+小时精录课程

0基础入门，助教全程答疑

18周、每周3~4小时线上精录课程

五大课程模块，全面覆盖深度学习基础、计算机

视觉(CV)、自然语言处理(NLP)以及深度学习前沿应用(包括强化学习、对抗网络以及图神经网络)

PyTorch+Kaggle，重在实践，学练一体

全面采用新兴深度学习技术框架PyTorch,

门槛更低、效率更高

全程丰富案例实操，以实际需求出发，着重培养

深度学习领域所需的工程能力，实现从理论到生产的实践过程

课程目录

PyTorch实战课程简介

PyTorch框架发展趋势简介

框架安装方法(CPU与GPU版本)

PyTorch基本操作

自动求导机制

线性回归DEMO-数据与参数配置

线性回归DEMO-训练回归模型

补充：常见tensor格式

补充：Hub模块简介

气温数据集与任务介绍

按建模顺序构建完成网络架构

简化代码训练网络模型

分类任务概述

构建分类网络模型

DataSet模块介绍与应用方法

卷积神经网络应用领域

卷积的作用

卷积特征值计算方法

得到特征图表示

步长与卷积核大小对结果的影响

边缘填充方法

特征图尺寸计算与参数共享

池化层的作用

整体网络架构

VGG网络架构

残差网络Resnet

感受野的作用

卷积网络参数定义

网络流程解读

Vision模块功能解读

分类任务数据集定义与配置

图像增强的作用

数据预处理与数据增强模块

Batch数据制作

迁移学习的目标

迁移学习策略

加载训练好的网络模型

优化器模块配置

实现训练模块

训练结果与模型保存

加载模型对测试数据进行预测

额外补充-Resnet论文解读

额外补充-Resnet网络架构解读

RNN网络架构解读

词向量模型通俗解释