共 71 小节 已有 46686 人学过 2023.6.15 推出
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。课程使用Python编程语言讲解人工智能深度学习，结合大量动画效果系统分析神经网络原理。并使用pytorch深度学习框架，实现多种深度神经网络的搭建、课程每章都会加入多个项目实战。
- 第一章：神经网络
1-1 神经网络之神经元
1-2 神经网络的框架
1-3 神经元个数变化的可视化效果
1-4 感知器
1-5 多层感知器
1-6 偏置及神经网络的框架
1-7 损失函数
1-8 sotfmax交叉熵损失函数
1-9 正则化惩罚
1-10 梯度下降算法最优化的分析
1-11 BP神经网络
1-12 解读ChatGPT参数
- 第二章：深度学习框架
2-1 深度学习框架
2-2 pytorch安装CPU版本（1）
2-3 pytorch安装GPU版本（2）
2-4 第1个神经网络模型--手写字识别
2-5 数据集下载MNIST--手写字识别
2-6 数据集的可视化--手写字识别
2-7 DataLoader的介绍
2-8 代码实现搭建神经网络模型
2-9 神经网络框架整体流程
2-10 模型训练train
2-11 模型测试代码
2-12 训练结果分析
2-13 最优化Adam
2-14 激活函数relu
- 第三章：卷积神经网络CNN
3-1 卷积神经网络原理解析
3-2 卷积层
3-3 特征图大小计算方法
3-4 池化层
3-5 感受野及其他卷积神经网络
3-6 卷积神经网络实现手写字识别
3-7 卷积神经网络搭建
3-8 模型训练
3-9 Dataloader使用自己的数据集（1）
3-10 Dataloader使用自己的数据集（2）
3-11 Dataloader加载数据集方式
3-12 __getitem__的使用
3-13 数据集打包后的可视化
3-14 修改模型参数
3-15 数据增强
3-16 transforms的使用方法
3-17 保存最优模型
3-18 读取本地模型
3-19 调整学习率
3-20 迁移学习
3-21 resnet残差网络
3-22 resnet18网络的使用
3-23 迁移学习resnet网络
- 第四章：自然语言处理
4-1 自然语言转换方法
4-2 词嵌入wordembedding
4-3 word2vec模型训练过程(上)
4-4 word2vec模型训练过程(下)
4-5 代码实现word2vec_创建词表vocab
4-6 根据词表转换自然语言
4-7 word2vec训练代码
4-8 word2vec测试及词向量获取
4-9 保存及读取词向量模型npz
4-10 RNN循环神经网络
4-11 LSTM神经网络
4-12 遗忘门输入门输出门
4-13 情感分析项目实战
4-14 创建评论词表vocab(上)
4-15 创建评论词表vocab(下)
4-16 评论中文转换为数值
4-17 数据集分割
4-18 创建可迭代的数据集
4-19 情感分析模型的搭建(上)
4-20 情感分析模型的搭建(下)
4-21 模型训练代码的分解
4-22 测试代码的分解
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。课程使用Python编程语言讲解人工智能深度学习，结合大量动画效果系统分析神经网络原理。并使用pytorch深度学习框架，实现多种深度神经网络的搭建、课程每章都会加入多个项目实战。
