〖课程介绍〗:
PyTorch是使用GPU和CPU优化的深度学习张量库。
〖课程目录〗:
第一阶段 从PyTorch起步掌握DL基础
第一课 深度学习回顾与PyTorch简介, A, Z" [8 D( x% _% H; a( D1 M
知识点1： 知识点：神经网络模型回顾（线性层，非线性激活函数，SoftMax），用PyTorch定义神经网络模型
知识点2： 知识点：损失函数，用PyTorch定义计算损失
知识点3： 知识点：反向传播算法，用PyTorch做反向传播
知识点4： 知识点：优化模型，PyTorch optimizer
实战项目： 实战项目：用PyTorch编写一个简单的分类器. |: d- ~) O+ z( k
第二课 词向量简介$ i% }: p4 N( O3 n, A* F- `% a
知识点1： 知识点：词向量，word2vec
知识点2： 知识点：negative sampling
知识点3： 知识点：词向量的特性和应用. e' p* a' h( g! k7 L* c9 b
实战项目： 实战项目：用PyTorch训练词向量( a) t$ }+ o8 Q; l7 A7 }
第二阶段 利用pytorch处理常见的NLP、CV任务" `; R+ r* M7 l9 m [3 Z
第三课 语言模型* V( W3 A0 P7 M+ ]" l0 e9 {
知识点1： 循环神经网络（RNN），LSTM, GRU+ C4 w' w7 v! W0 q9 H& }
知识点2： 语言模型
实战项目： ElMo，BERT等预训练语言模型
实战项目： 用PyTorch训练语言模型. I9 n3 v a) e$ `; t
第四课 自然语言分类任务
知识点1： 词包(bag of words)模型0 g; S/ o* r4 s8 h( m" \* J% X
知识点2： 用PyTorch做迁移学习，finetune模型
实战项目： 文本情感分类项目/ E" h& s* O9 a3 g
第五课 简单图片分类/ u" a p5 f( a) d( W+ K/ b
知识点1： 知识点：卷积神经网络，用PyTorch定义卷积神经网络) z6 N7 B/ s& V* B' d
知识点2： 知识点：使用PyTorch dataloader来高效读取数据
知识点3： 知识点：常用CNN架构, AlexNet, VGG, ResNet, DenseNet Q% y. _. F% R( y9 P' ?* |
实战项目： 实战项目：FashionMNIST 图像分类项目' V# H% o$ ^0 I# O! \- m D1 r' Z
第三阶段 pytorch实战NLP项目
第六课 图片风格迁移和GAN
知识点1： 知识点：图片风格迁移9 c: T0 M$ G; g5 a/ y
知识点2： 知识点：生成对抗网络 (GAN)
实战项目： 实战项目：图片风格迁移项目和利用GAN生成图片
第七课 Seq2Seq与Attention% ?4 q, P5 W* A) }# r4 d% R
知识点1： 知识点：机器翻译) x% j* P2 l. ~! _9 e4 Z' e
知识点2： 知识点：聊天机器人, f% D/ }2 u" B
实战项目： 实战项目：利用Seq2Seq+Attention模型训练一个翻译模型
第八课 问答系统
知识点1： 知识点：问答系统
知识点2： 知识点：大规模预训练语言模型
实战项目： 实战模型：训练一个问答系统
下载地址：
|
