2.4 KiB
2.4 KiB
SUMMARY
- 简介
- 开篇词 | 如何高效入门PyTorch？
- 01 | PyTorch：网红中的顶流明星
- 02 | NumPy（上）：核心数据结构详解
- 03 | NumPy（下）：深度学习中的常用操作
- 04 | Tensor：PyTorch中最基础的计算单元
- 05 | Tensor变形记：快速掌握Tensor切分、变形等方法
- 06 | Torchvision（上）：数据读取，训练开始的第一步
- 07 | Torchvision（中）：数据增强，让数据更加多样性
- 08 | Torchvision（下）：其他有趣的功能
- 09 | 卷积（上）：如何用卷积为计算机“开天眼”？
- 10 | 卷积（下）：如何用卷积为计算机“开天眼”？
- 11 | 损失函数：如何帮助模型学会“自省”？
- 12 | 计算梯度：网络的前向与反向传播
- 13 | 优化方法：更新模型参数的方法
- 加餐 | 机器学习其实就那么几件事
- 14 | 构建网络：一站式实现模型搭建与训练
- 15 | 可视化工具：如何实现训练的可视化监控？
- 16｜分布式训练：如何加速你的模型训练？
- 17 | 图像分类（上）：图像分类原理与图像分类模型
- 18 | 图像分类（下）：如何构建一个图像分类模型?
- 19 | 图像分割（上）：详解图像分割原理与图像分割模型
- 20 | 图像分割（下）：如何构建一个图像分割模型？
- 21 | NLP基础（上）：详解自然语言处理原理与常用算法
- 22 | NLP基础（下）：详解语言模型与注意力机制
- 23 | 情感分析：如何使用LSTM进行情感分析？
- 24 | 文本分类：如何使用BERT构建文本分类模型？
- 25 | 摘要：如何快速实现自动文摘生成？
- 用户故事 | Tango：师傅领进门，修行在个人
- 答疑篇｜思考题答案集锦
- 结束语｜人生充满选择，选择与努力同样重要
- 期末测试｜来赴一场100分之约！