2021最新发布：PyTorch入門到進階 實戰計算機視覺與自然语言處理項目

download:PyTorch入门到进阶 实战计算机视觉与自然语言处理项目

PyTorch是目前深度學習的主流框架之一，它有著成熟的生態、大量開源的源码以及最新的模型，無論學術研究還是工程落地，PyTorch都是主流選择。同時，PyTorch比其他深度學習框架更易學，也是新手入門的好選择。本课程將算法、模型和基礎理論知識進行有機結合，結合多個不同的CV與NLP實戰項目，幫助大家掌握PyTorch框架的基礎知識和使用方法，並學會利用PyTorch框架解決實際問題。通過本课程，可以較平穩地快速入門深度學習領域，初步掌握解決深度學習基礎問題的關键性技能。

適合人群
想轉行到深度學習方向的工程師；
學習了理論但欠缺實践的深度學習starter；
有誌於、感興趣深度學習的愛好者們；
想快速做實驗完成研究任務畢設任務的同學們；
技術儲備要求
機器學習相關基本概念；
Python3編程语言；
Ubuntu基本使用知識；
章節目錄：
第1章 课程介紹-選择Pytorch的理由 試看
本章節主要介紹课程的主要内容、核心知識點、课程涉及到的應用案例、深度學習算法設計通用流程、適應人群、學習本門课程的前置條件、學習後達到的效果等，幫助大家從整體上了解本門课程的整體脈络。
共 1 節 (14分鍾) 收起列表
1-1 课程導學 (13:57) 試看
第2章 初識PyTorch框架與環境搭建
本章節主要介紹PyTorch框架基礎知識，對比其他的深度學習框架（比如：Tensorflow等），分析優缺點，以及介紹如何在Linux（Ubuntu16.04）係統下搭建Pytorch環境。
共 3 節 (32分鍾) 收起列表
2-1 初識Pytorch基本框架 (11:15)
2-2 環境配置（1） (11:21)
2-3 環境配置（2） (08:48)
第3章 PyTorch入門基礎串講 試看
主要介紹PyTorch框架中涉及到的基礎知識、核心概念以及API，主要包括三個部分：1）Tensor以及相關的函數，2）Autograd機製以及相關函數，3）Torch.nn庫。在介紹過程中，結合實際的例子進行Tensor操作函數、AutoGrad自動求導以及神經網络相關函數的使用說明，同時介紹其中涉及到的數學基礎（導數，方向導數，偏導數，梯度等...
共 37 節 (375分鍾) 收起列表
3-1 機器學習中的分類與回歸問題-機器學習基本構成元素 (11:15)
3-2 Tensor的基本定義 (06:21)
3-3 Tensor與機器學習的關係 (07:33)
3-4 Tensor創建編程實例 (19:55)
3-5 Tensor的屬性 (07:39)
3-6 Tensor的屬性-稀疏的張量的編程實践 (07:39)
3-7 Tensor的算術運算 (08:12)
3-8 Tensor的算術運算編程實例 (17:06)
3-9 in-place的概念和廣播機製 (09:58)
3-10 取整-餘 (03:49)
3-11 比較運算-排序-topk-kthvalue-數據合法性校驗 (18:28)
3-12 三角函數 (04:18)
3-13 其他數學函數 (05:33)
3-14 Pytorch與統計學方法 (14:55)
3-15 Pytorch與分佈函數 (04:56)
3-16 Pytorch與隨機抽樣 (05:15)
3-17 Pytorch與線性代數運算 (09:18)
3-18 Pytorch與矩陣分解-PCA (19:52)
3-19 Pytorch與矩陣分解-SVD分解-LDA (13:09)
3-20 Pytorch與張量裁剪 (08:48)
3-21 Pytorch與張量的索引與數據筛選 (27:08) 試看
3-22 Pytorch與張量組合與拚接 (11:34) 試看
3-23 Pytorch與張量切片 (07:37)
3-24 Pytorch與張量變形 (14:09)
3-25 Pytorch與張量填充&傅里葉變換 (03:27)
3-26 Pytorch简單編程技巧 (11:33)
3-27 Pytorch與autograd-導數-方向導數-偏導數-梯度的概念 (10:02)
3-28 Pytorch與autograd-梯度與機器學習最優解 (12:46)
3-29 Pytorch與autograd-Variable$tensor (02:57)
3-30 Pytorch與autograd-如何計算梯度 (03:04)
3-31 Pytorch與autograd中的幾個重要概念-variable-grad-grad_fn (10:32)
3-32 Pytorch與autograd中的幾個重要概念-autograd例子 (14:15)
3-33 Pytorch與autograd中的幾個重要概念-function (08:18)
3-34 Pytorch與nn庫 (19:46)
3-35 Pytorch與visdom (04:56)
3-36 Pytorch與tensorboardX (05:57)
3-37 Pytorch與torchvision (02:21)
第4章 PyTorch搭建简單神經網络
主要介紹機器學習建模思維、神經網络基本概念以及PyTorch解決機器學習問題時搭建模型的基本組成模塊，並使用PyTorch搭建简單的神經網络結構，完成手寫數字識別和波士頓房價預測，兩種不同問題（分類和回歸）的數據處理、模型搭建、模型训練等不同過程。通過這個過程幫助大家梳理PyTorch搭建神經網络的基本流程，爲後續解決...
共 7 節 (115分鍾) 收起列表
4-1 機器學習和神經網络的基本概念（1） (20:53)
4-2 機器學習和神經網络的基本概念（2） (17:16)
4-3 利用神經網络解決分類和回歸問題（1） (18:27)
4-4 利用神經網络解決分類和回歸問題（2） (18:46)
4-5 利用神經網络解決分類和回歸問題（3） (13:08)
4-6 利用神經網络解決分類和回歸問題（4） (12:06)
4-7 利用神經網络解決分類和回歸問題（5） (13:29)
第5章 計算機視覺與捲積神經網络基礎串講
主要介紹計算機視覺的基本概念，涉及到圖像數據表示，颜色空間，亮度對比度，邊缘提取，濾波與锐化等基礎概念，然後引入深度學習的基本概念（前向運算、反向傳播等）、並詳細介紹了基本網络單元（捲積層、池化層、激活層、Dropout層、BN層、FC層、损失層等）、感受野、參數量計算量評估等，另外，课程中幫助大家梳理了捲積...
共 14 節 (149分鍾) 收起列表
5-1 計算機視覺基本概念 (23:01)
5-2 圖像處理常見概念 (24:30)
5-3 特徵工程 (14:07)
5-4 捲積神經網（上） (12:36)
5-5 捲積神經網（下） (12:04)
5-6 pooling層 (05:07)
5-7 激活層-BN層-FC層-损失層 (12:13)
5-8 經典捲積神經網络結構 (09:54)
5-9 輕量型網络結構 (07:35)
5-10 多分支網络結構 (03:42)
5-11 attention的網络結構 (08:24)
5-12 學習率 (04:43)
5-13 優化器 (07:32)
5-14 捲積神經網添加正則化 (03:27)
第6章 PyTorch實戰計算機視覺任務-Cifar10圖像分類
主要介紹使用Pytorch完成cifar-10圖像分類，具體包括了Cifar-10數據集介紹、Cifar-10數據下载、數據處理、PyTorch训練框架搭建、PyTorch網络搭建、PyTorch分類網络训練、PyTorch數據增強實現、Tensorboard數據分析、PyTorch分類模型測試以及模型優化，通過具體Cifar-10圖像分類任務來幫助大家了解如何實戰PyTorch搭建深度學...
共 17 節 (218分鍾) 收起列表
6-1 圖像分類網络模型框架解讀（上） (15:04)
6-2 圖像分類網络模型框架解讀（下） (15:41)
6-3 cifar10數據介紹-讀取-處理（上） (09:43)
6-4 cifar10數據介紹-讀取-處理（下） (10:49)
6-5 PyTorch自定義數據加载-加载Cifar10數據 (15:23)
6-6 PyTorch搭建 VGGNet 實現Cifar10圖像分類 (15:03)
6-7 PyTorch搭建cifar10训練脚本-tensorboard記錄LOG（上） (14:48)
6-8 PyTorch搭建cifar10训練脚本-tensorboard記錄LOG（下） (19:36)
6-9 PyTorch搭建cifar10训練脚本搭建-ResNet結構（上） (16:56)
6-10 PyTorch搭建cifar10训練脚本搭建-ResNet結構（下） (10:29)
6-11 PyTorch搭建cifar10训練脚本搭建-Mobilenetv1結構 (11:34)
6-12 PyTorch搭建cifar10训練脚本搭建-Inception結構（上） (15:04)
6-13 PyTorch搭建cifar10训練脚本搭建-Inception結構（下） (09:13)
6-14 PyTorch搭建cifar10训練脚本搭建-調用Pytorch標準網络ResNet18等 (06:05)
6-15 PyTorch搭建cifar10推理測試脚本搭建 (08:30)
6-16 分類問題優化思路 (17:12)
6-17 分類問題最新研究進展和方向 (06:33)
第7章 Pytorch實戰計算機視覺任務-Pascal VOC目標檢測問題
主要介紹使用Pytorch完成Pascal VOC目標檢測問題，具體包括了目標檢測算法綜述，檢測問題建模，Pascal VOC數據集介紹、Pascal VOC數據下载、數據處理，開源工具MMDetection介紹，使用MMDetection完成檢測任務配置，使用MMDetection完成模型训練和結果分析。通過具體Passcal VOC目標檢測任務來幫助大家了解如何使用MMDec...
共 10 節 (114分鍾) 收起列表
7-1 目標檢測問題介紹（上） (14:09)
7-2 目標檢測問題介紹（下） (11:47)
7-3 Pascal VOC-COCO數據集介紹 (05:14)
7-4 MMdetection框架介紹-安裝說明 (15:11)
7-5 MMdetection框架使用說明 (12:18)
7-6 MMdetection训練Passcal VOC目標檢測任務（上） (17:26)
7-7 MMdetection训練Passcal VOC目標檢測任務（中） (16:27)
7-8 MMdetection训練Passcal VOC目標檢測任務（下） (11:51)
7-9 MMdetection Test脚本 (03:36)
7-10 MMdetection LOG分析 (05:43)
第8章 PyTorch實戰計算機視覺任務-COCO目標分割問題
主要介紹使用Pytorch完成COCO數據集目標分割問題，具體包括了目標分割算法綜述（语義分割、實例分割、全景分割），目標分割問題建模，COCO數據集介紹、COCO數據下载、數據處理，開源工具detectron介紹，使用detectron完成實例分割模型MASK-RCNN任務配置，使用detectron完成模型训練和結果分析。通過具體COCO目標分割任務來...
共 7 節 (100分鍾) 收起列表
8-1 圖像分割基本概念 (10:37)
8-2 圖像分割方法介紹 (19:02)
8-3 圖像分割評價指標及目前面臨的挑戰 (09:51)
8-4 COCO數據集介紹 (04:20)
8-5 detectron框架介紹和使用简單說明 (10:09)
8-6 coco數據集標注文件解析 (07:52)
8-7 detectron源码解讀和模型训練-demo測試 (37:29)
第9章 PyTorch搭建GAN網络實戰圖像風格遷移
主要介紹生成對抗模型，GAN網络的基礎概念，以及GAN網络在各種不同計算機視覺任務中的應用。並重點介紹GAN網络的典型網络結構，其中包括了：GAN、CycleGAN、Pixel to Pixel等網络結構。幫助大家梳理GAN網络的基本理論、核心概念和框架結構，爲後續模型的搭建提供理論基礎。並通過使用Pytorch完成GAN網络搭建，並解決圖像...
共 7 節 (99分鍾) 收起列表
9-1 GAN的基礎概念和典型模型介紹（上） (15:03)
9-2 GAN的基礎概念和典型模型介紹（下） (13:02)
9-3 圖像風格轉換數據下载與自定義dataset類 (11:14)
9-4 cycleGAN模型搭建-model (16:15)
9-5 cycleGAN模型搭建-train（上） (18:02)
9-6 cycleGAN模型搭建-train（下） (18:28)
9-7 cycleGAN模型搭建-test (06:40)
第10章 循環神經網與NLP基礎串講
主要介紹循環神經網络與NLP理論基礎，涉及到语音&NLP數據表示，语言模型，詞向量等基礎概念，然後介紹循環神經網络的基本網络單元（RNN層、BiRNN層、LSTM、GRU、Attention、Seq2seq、Transformer等）等，另外，课程中幫助大家梳理了循環神經網络發展的主要脈络以及目前工業屆和學術界在解決NLP時的主要問題，主流模型和網络...
共 8 節 (83分鍾) 收起列表
10-1 RNN網络基礎 (07:18)
10-2 RNN常見網络結構-simple RNN網络 (10:56)
10-3 Bi-RNN網络 (04:42)
10-4 LSTM網络基礎 (13:58)
10-5 Attention結構 (09:41)
10-6 Transformer結構 (13:15)
10-7 BERT結構 (07:21)
10-8 NLP基礎概念介紹 (15:06)
第11章 PyTorch實戰中文文本情感分類問題
主要介紹使用Pytorch搭建循環神經網络，並用來解決中文文本情感分類問題，具體包括了、數據集介紹和下载、數據處理，循環神經網络模型搭建，模型训練和結果分析。通過PyTorch+LSTM模型來幫助大家了解如何使用PyTorch解決自然语言處理問題中的基礎任務——中文文本情感分類問題。...
共 10 節 (92分鍾) 收起列表
11-1 文本情感分析-情感分類概念介紹 (09:34)
11-2 文本情感分類關键流程介紹 (02:25)
11-3 文本情感分類之文本預處理 (06:33)
11-4 文本情感分類之特徵提取與文本表示 (05:15)
11-5 文本情感分類之深度學習模型 (08:33)
11-6 文本情感分類-數據準備 (16:42)
11-7 文本情感分類-dataset類定義 (12:32)
11-8 文本情感分類-model類定義 (11:37)
11-9 文本情感分類-train脚本定義 (13:37)
11-10 文本情感分類-test脚本定義 (05:06)
第12章 PyTorch實戰機器翻译問題
主要介紹使用Pytorch搭建Attention-Seq2seq網络，並用來解決機器翻译問題，具體包括了:數據集介紹和下载、數據處理，循環神經網络模型搭建，模型训練和結果分析。通過PyTorch+Attention+Seq2Seq模型來幫助大家了解如何使用PyTorch解決自然语言處理問題中的基礎任務——機器翻译（序列到序列）問題。...
共 9 節 (117分鍾) 收起列表
12-1 機器翻译相關方法-應用場景-評價方法 (14:23)
12-2 Seq2Seq-Attention編程實例數據準備-模型結構-相關函數 (05:31)
12-3 Seq2Seq-Attention編程實例-定義數據處理模塊 (17:08)
12-4 Seq2Seq-Attention編程實例-定義模型結構模塊（上） (13:10)
12-5 Seq2Seq-Attention編程實例-定義模型結構模塊（下） (13:46)
12-6 Seq2Seq-Attention編程實例-定義train模塊（上） (13:03)
12-7 Seq2Seq-Attention編程實例-定義train模塊（下） (10:33)
12-8 Seq2Seq-Attention編程實例-定義train模塊-loss function (20:10)
12-9 Seq2Seq-Attention編程實例-定義eval模塊 (08:40)
第13章 PyTorch工程應用介紹
主要介紹如何在工程應用中進行模型選择、模型優化、模型存儲、模型部署、分佈式训練等問題，幫助大家了解如何將算法模型實際應用於工程項目中，並提供穩定的服務。
共 4 節 (32分鍾) 收起列表
13-1 PyTorch模型開發與部署基礎平台介紹 (09:39)
13-2 PyTorch工程化基礎--Torchscript (09:15)
13-3 PyTorch服務端發佈平台--Torchserver (06:31)
13-4 PyTorch終端推理基礎--ONNX (06:05)
第14章 【選修】Linux操作基礎串講
爲幫助不熟悉linux係統的同學快速掌握並入門Linux係統實戰技能，本章重點介紹Linux操作係統的使用技巧和相關知識。具體包括：Ubuntu係統介紹、Ubuntu環境搭建、Ubuntu常用命令、Ubuntu係統文件目錄介紹、Shell脚本、Make編译、vim简單操作、Git使用基礎等，幫助大家在進行實操時打好基礎。...
共 1 節 (20分鍾) 收起列表
14-1 linux操作基礎串講 (19:18)
第15章 课程總結與回顧
主要對之前内容進行總結和回顧，並針對大家在學習中的一些問題和後續的算法職業發展提供一些建議，最後對後續的课程規劃進行展望。
共 1 節 (12分鍾) 收起列表
15-1 课程總結 (11:14)
本课程已完結

标签：實戰,10,問題,網络,計算,Pytorch,PyTorch,介紹,處理
来源： https://blog.51cto.com/15062686/2583099