0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

结合深度学习与最新Pytorch1.0来为你细致讲解

DPVg_AI_era 来源:lq 2018-12-17 09:02 次阅读

近日,在 NeurIPS 2018 大会上,Facebook 官方宣布 PyTorch 1.0 正式版发布了。如何用Pytorch1.0搞深度学习?对很多小白学生是个问题。瑞士非盈利研究机构 Idiap Research Institute的研究员FRANÇOIS FLEURET开设了一门深度学习课程(2019年秋季),详细结合深度学习与最新Pytorch1.0来为你细致讲解,是学习Pytorch1.0深度学习不可多得的材料。

课程网址:

https://fleuret.org/ee559/

Francois Fleuret于2000年获得巴黎第六大学数学博士学位,2006年获得巴黎第十三大学数学博士学位。他是瑞士Idiap研究所计算机视觉和学习小组的负责人。在此之前,他曾在美国芝加哥大学、法国信息与自动化研究所(INRIA)和瑞士洛桑联邦理工学院(EPFL)任职。他是IEEE模式分析和机器智能交易的副主编,也是几个欧洲资助机构的专家。

深度学习课程概述

本课程的目标是提供深度机器学习的完整讲解。如何设计一个神经网络,如何训练它,以及有哪些现有技术专门处理非常大的网络结构。本课程旨在教授应用问题的深度学习方法所需的技能。

课程计划内容:

1. 什么是深度学习,张量介绍。

2. 基本机器学习,经验风险最小化,简单嵌入。

3. 线性可分性,多层感知器,反向传播。

4. 通用网络,autograd,批处理,卷积网络。

5. 初始化、优化和正则化。Dropout,激活归一化,跳过连接。

6. 计算机视觉的深层模型。

7. 深入模型分析。

8. 自编码器嵌入式和生成模型。

9. 循环模型和自然语言处理。

10. pytorch张量,深度学习模块,和内部构件。

深度学习课程导读

绪论

1.1 从神经网络到深度学习,21页slides

1.2 当前成功应用的实例 22页slides

1.3 正在发生什么? (13页slides)

1.4 张量基础和线性回归 12 页slides

1.5 高维张量. 15页slides

1.6 张量内部 5页slides

2. 机器学习基础

2.1 损失函数与风险. 15页slides

2.2 过拟合与欠拟合. 24页slides

2.3 方差-偏差困境 10页slides

2.4 合适评价方法 6页slides

2.5 基本聚类与嵌入方法19页slides

3. 多层感知器和反向传播

3.1 感知器。(幻灯片,讲义- 16张)

3.2 线性分类器的概率视图。(幻灯片,讲义- 8张)

3.3 线性可分性与特征设计。(幻灯片,讲义- 10张)

3.4 多层感知器。(幻灯片,讲义- 10张)

3.5 梯度下降法。(幻灯片,讲义- 13张)

3.6 反向传播。(幻灯片,讲义- 11张)

4. 操作符、autograd和卷积层的图操作

4.1 DAG网络。(幻灯片,讲义- 11张)

4.2 Autograd。(幻灯片,讲义- 19张)

4.3 PyTorch模块和批处理。(幻灯片,讲义- 14张)

4.4 卷积。(幻灯片,讲义- 23张)

4.5 池化(幻灯片,讲义- 7张)

4.6 编写一个PyTorch模块。(幻灯片,讲义- 10张)

5.1 交叉熵损失。(幻灯片,讲义- 9张)

5.3 PyTorch优化。(幻灯片,讲义- 8张)

5.3 L1和L2 惩罚项。(幻灯片,讲义- 10张)

5.4 参数初始化。(幻灯片,讲义- 22张)

5.5 网络架构选择和训练协议。(幻灯片,讲义- 9张)

5.6 写一个autograd函数。(幻灯片,讲义- 7张)

6.1 深度的好处。(幻灯片,讲义- 9张)

6.2 修正器。(幻灯片,讲义- 7张)

6.3 Dropout (幻灯片,讲义- 12张)

7.1计算机视觉任务。(幻灯片,讲义- 15张)

7.2 用于图像分类的网络。(幻灯片,讲义- 36张)

7.3用于目标检测的网络。(幻灯片,讲义- 15张)

7.4 用于语义分割的网络。(幻灯片,讲义- 8张)

7.5 DataLoader和神经。(幻灯片,讲义- 13张)

8. 关键技巧方法处理

8.1 看参数。(幻灯片,讲义- 11张)

8.2 激活。(幻灯片,讲义- 21张)

8.3 可视化输入中的处理。(幻灯片,讲义- 26张)

8.4 优化输入。(幻灯片,讲义- 25张)

9. 自编码器和生成模型。

9.1 转置运算。(幻灯片,讲义- 14张)

9.2 Autoencoders。(幻灯片,讲义- 20张)

9.3 去噪和变分自编码器。(幻灯片,讲义- 24张)

9.4Non-volume保存网络。(幻灯片,讲义- 24张)

10. 生成对抗模型。

10.1 生成对抗的网络。(幻灯片,讲义- 29张)

10.2 Wasserstein GAN。(幻灯片,讲义- 16张)

10.3 条件GAN和图像转换。(幻灯片,讲义- 27张)

10.4 模型持久性和检查点。(幻灯片,讲义- 9张)

11循环模型与NLP

11.1 循环神经网络(slides,handout– 23 slides)

11.2 LSTM 和 GRU. (slides,handout– 17 slides)

11.3 Word embeddings 与translation. (slides,handout– 31 slides)

更多阅读:

5. 初始化和优化。

5.2 随机梯度下降法。(幻灯片,讲义- 17张)

6. 搞更深

6.4 批处理归一化。(幻灯片,讲义- 15张)

6.5 残差网络。(幻灯片,讲义- 21张)

6.6 使用gpu。(幻灯片,讲义- 17张)

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 计算机视觉
    +关注

    关注

    8

    文章

    1698

    浏览量

    45985
  • 机器学习
    +关注

    关注

    66

    文章

    8411

    浏览量

    132595
  • 深度学习
    +关注

    关注

    73

    文章

    5502

    浏览量

    121124
  • pytorch
    +关注

    关注

    2

    文章

    808

    浏览量

    13216

原文标题:Pytoch1.0深度学习如何玩?送你含900页ppt和代码实例

文章出处:【微信号:AI_era,微信公众号:新智元】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    [基于GD32F350RB的音频识别器] 4.使用Caffe2构建训练平台

    ,caffe2又要被整合到pytorch1.0中去,那么,最好就从pytorch的使用开始。具体哪个深度学习的框架更好就是一个有些太深的知识坑,搞硬件的最好直接跳过。2.
    发表于 09-28 17:50

    通过Cortex非常方便的部署PyTorch模型

    的机器学习框架是建立在 PyTorch 上的。在 ML 的几乎任何领域,从计算机视觉到 NLP 再到计算生物学,都会发现 PyTorch 在前沿
    发表于 11-01 15:25

    Facebook致力AI 开源PyTorch1.0 AI框架

    导读: Facebook近日宣布,将于近期开源PyTorch 1.0 AI框架,据悉,该框架是PyTorch与Caffe 2的结合,可以让开发者无需迁移就从研究转为生产。 Facebo
    的头像 发表于 06-18 10:30 3185次阅读

    深度学习是什么?了解深度学习难吗?让快速了解深度学习的视频讲解

    深度学习是什么?了解深度学习难吗?让快速了解深度学习
    发表于 08-23 14:36 16次下载

    Facebook宣布发布深度学习框架 PyTorch 1.0开发者预览版

    用户共同制作张量处理单元(TPU)。用于预配置 AI 的 Google Cloud Platform 深度学习 VM,还将包含 PyTorch 1.0 的 VM 映像。亚马逊的 Sa
    的头像 发表于 10-08 14:36 3208次阅读

    PyTorch官网教程PyTorch深度学习:60分钟快速入门中文翻译版

    PyTorch 深度学习:60分钟快速入门” PyTorch 官网教程,网上已经有部分翻译作品,随着
    的头像 发表于 01-13 11:53 1w次阅读

    为什么学习深度学习需要使用PyTorch和TensorFlow框架

    如果需要深度学习模型,那么 PyTorch 和 TensorFlow 都是不错的选择。 并非每个回归或分类问题都需要通过深度
    的头像 发表于 09-14 10:57 3451次阅读

    基于PyTorch深度学习入门教程之PyTorch的安装和配置

    神经网络结构,并且运用各种深度学习算法训练网络参数,进而解决各种任务。 本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度
    的头像 发表于 02-16 15:15 2592次阅读

    基于PyTorch深度学习入门教程之PyTorch简单知识

    本文参考PyTorch官网的教程,分为五个基本模块介绍PyTorch。为了避免文章过长,这五个模块分别在五篇博文中介绍。 Part1:PyTorch简单知识 Part2:
    的头像 发表于 02-16 15:20 2256次阅读

    PyTorch教程12.1之优化和深度学习

    电子发烧友网站提供《PyTorch教程12.1之优化和深度学习.pdf》资料免费下载
    发表于 06-05 15:08 0次下载
    <b class='flag-5'>PyTorch</b>教程12.1之优化和<b class='flag-5'>深度</b><b class='flag-5'>学习</b>

    深度学习框架pytorch入门与实践

    深度学习框架pytorch入门与实践 深度学习是机器学习中的一个分支,它使用多层神经网络对大量数
    的头像 发表于 08-17 16:03 1594次阅读

    深度学习框架pytorch介绍

    深度学习框架pytorch介绍 PyTorch是由Facebook创建的开源机器学习框架,其中TensorFlow是完全基于数据流图的。它是
    的头像 发表于 08-17 16:10 1779次阅读

    TensorFlow与PyTorch深度学习框架的比较与选择

    深度学习作为人工智能领域的一个重要分支,在过去十年中取得了显著的进展。在构建和训练深度学习模型的过程中,深度
    的头像 发表于 07-02 14:04 963次阅读

    PyTorch深度学习开发环境搭建指南

    PyTorch作为一种流行的深度学习框架,其开发环境的搭建对于深度学习研究者和开发者来说至关重要。在Windows操作系统上搭建
    的头像 发表于 07-16 18:29 1019次阅读

    Pytorch深度学习训练的方法

    掌握这 17 种方法,用最省力的方式,加速Pytorch 深度学习训练。
    的头像 发表于 10-28 14:05 200次阅读
    <b class='flag-5'>Pytorch</b><b class='flag-5'>深度</b><b class='flag-5'>学习</b>训练的方法