PyTorch深度学习-练习
通过一系列实验深入掌握深度学习相关算法与模型背后的理论。
课程内容
共9个章节 55个实验
1 第1章 PyTorch基础
PyTorch基础
实验1 实验1：数据操作
数据操作
实验2 实验2：自动求梯度
自动求梯度
2 第2章 线性回归
线性回归
实验1 实验3：线性回归基本概念
线性回归基本概念
实验2 实验4：线性回归从零实现
线性回归的从零开始实现
实验3 实验5：线性回归的Pytorch实现
线性回归的Pytorch实现
3 第3章 Softmax回归
Softmax回归
实验1 实验6：Fashion-MNIST图像分类数据集
Fashion-MNIST图像分类数据集
实验2 实验7：Softmax回归从零实现
Softmax回归从零实现
实验3 实验8：Softmax回归的PyTorch实现
Softmax回归的PyTorch实现
4 第4章 多层感知机
多层感知机
实验1 实验9：多层感知机基本概念
多层感知机基本概念
实验2 实验10：多层感知机从零实现
多层感知机从零实现
实验3 实验11：多层感知机的PyTorch实现
多层感知机的PyTorch实现
5 第5章 神经网络模型
神经网络模型
实验1 实验12：模型选择、欠拟合和过拟合
模型选择、欠拟合和过拟合
实验2 实验13：权重衰减
权重衰减
实验3 实验14：丢弃法
丢弃法
实验4 实验15：正向传播、反向传播和计算图
正向传播、反向传播和计算图
实验5 实验16：数值稳定性和模型初始化
数值稳定性和模型初始化
实验6 实验17：房价预测实战
房价预测实战
实验7 实验18：模型构造
模型构造
实验8 实验19：模型参数的访问、初始化和共享
模型参数的访问、初始化和共享
实验9 实验20：自定义层
自定义层
实验10 实验21：模型的读取和存储
模型的读取和存储
6 第6章 PyTorch框架与GPU
PyTorch框架与GPU
实验1 实验22：命令式和符号式混合编程
命令式和符号式混合编程
实验2 实验23：自动并行计算
自动并行计算
实验3 实验24：GPU计算
GPU计算
实验4 实验25：多GPU计算
由于实验教学平台不会为单个学生分配多块GPU卡，因此本实验仅供了解学习。
7 第7章 卷积神经网络
卷积神经网络
实验1 实验26：二维卷积层
二维卷积层
实验2 实验27：填充和步幅
填充和步幅
实验3 实验28：多输入通道和多输出通道
多输入通道和多输出通道
实验4 实验29：池化层
池化层
实验5 实验30：卷积神经网络LeNet
卷积神经网络LeNet
实验6 实验31：深度卷积神经网络AlexNet-GPU
深度卷积神经网络AlexNet-GPU
实验7 实验32：使用重复元素的网络VGG-GPU
使用重复元素的网络VGG-GPU
实验8 实验33：网络中的网络NiN-GPU
5.8 网络中的网络（NiN）
实验9 实验34：含并行连接的网络GoogLeNet-GPU
含并行连接的网络GoogLeNet-GPU
实验10 实验35：批量归一化-GPU
批量归一化-GPU
实验11 实验36：残差网络ResNet-GPU
残差网络ResNet-GPU
实验12 实验37：稠密连接网络DenseNet
稠密连接网络DenseNet
8 第8章 循环神经网络
循环神经网络
实验1 实验38：语言模型
语言模型
实验2 实验39：语言模型数据集
语言模型数据集
实验3 实验40：循环神经网络
循环神经网络
实验4 实验41：循环神经网络从零实现
循环神经网络从零实现
实验5 实验42：循环神经网络的PyTorch实现
循环神经网络的PyTorch实现
实验6 实验43：门控循环单元GRU
门控循环单元GRU
实验7 实验44：长短期记忆网络LSTM
长短期记忆网络LSTM
实验8 实验45：双向循环神经网络
双向循环神经网络
实验9 实验46：深度循环神经网络
深度循环神经网络
实验10 实验47：通过时间反向传播
通过时间反向传播
9 第9章 优化算法
优化算法
实验1 实验48：优化与深度学习
优化与深度学习
实验2 实验49：梯度下降和随机梯度下降
梯度下降和随机梯度下降
实验3 实验50：小批量随机梯度下降
小批量随机梯度下降
实验4 实验51：动量法
动量法
实验5 实验52：AdaGrad算法
AdaGrad算法
实验6 实验53：RMSProp算法
RMSProp算法
实验7 实验54：AdaDelta算法
AdaDelta算法
实验8 实验55：Adam算法
Adam算法
