|
今年8月！PyTorch 1.2.0 版本來啦！！ 據(jù)我們了解，在學(xué)術(shù)領(lǐng)域，特別是CV/NLP方向，有90%的人都在使用PyTorch，最新PyTorch 1.2.0版本的發(fā)布，使每項工具都進(jìn)行了新的優(yōu)化與改進(jìn)，兼容性更強(qiáng)，使用起來也更加便捷！ 通過使用 PyTorch 1.2.0 開源 ML 框架在生產(chǎn)應(yīng)用方面向前邁出了一大步，并增加了一個改進(jìn)的、更加完善的 TorchScript 環(huán)境。這些改進(jìn)使得用戶可以更容易建立生產(chǎn)模型，擴(kuò)展對導(dǎo)出 ONNX 格式模型的支持功能，并增強(qiáng)對 Transformers 模塊的支持。 這么多人都在學(xué) PyTorch，而且還備受好評，其實(shí)都來自于它獨(dú)特的魅力~  1）上手快：PyTorch代碼更簡潔易讀，實(shí)現(xiàn)時間短，只要了解它和機(jī)器學(xué)習(xí)的基礎(chǔ)概念，就可以上手使用 2）易調(diào)試：由于PyTorch采用動態(tài)圖機(jī)制，使得調(diào)試它就像調(diào)試Python一樣簡單 3）資源多：非常干凈、統(tǒng)一，文檔化非常好，也沒有大量重復(fù)的函數(shù)，目前arXiv中最新的算法大多都用PyTorch實(shí)現(xiàn)，可以迅速的復(fù)現(xiàn)最新最優(yōu)的算法 4）PyTorch不僅對初學(xué)者十分友好，對于研究人員以及工程師也是十分推薦學(xué)習(xí)使用，能對小規(guī)模項目等快速搞出原型。 5）因?yàn)樽钚滤惴ù蠖嘤肞yTorch實(shí)現(xiàn)，工程師們可以快速獲得SOTA，同時它還擁有廣泛的群眾基礎(chǔ)（github貢獻(xiàn)者超1100位），出現(xiàn)問題可以發(fā)揮群眾的力量去解決。 我們了解到，市面上大多數(shù)學(xué)習(xí)PyTorch的主要內(nèi)容是各種模型的介紹和實(shí)現(xiàn)，對PyTorch本身講解過少，經(jīng)常有學(xué)習(xí)過的小伙伴向我吐槽，他們運(yùn)用PyTorch出現(xiàn)的一些難點(diǎn)： 1.查資料耗時間，效率低 2.思路不清晰、不理解函數(shù)、參數(shù)太多 3.框架重難點(diǎn)不易理解、不太懂參數(shù)用法 4.底層原理了解不透，不實(shí)踐就容易忘記，實(shí)操能力差 5.不能靈活調(diào)用api,耗費(fèi)大量時間，精力 相信大家在學(xué)習(xí)的過程中，也遇到了以上問題，弱弱的問一句，你身中幾刀？ 為了提高學(xué)習(xí)效率，便于更好的熟練運(yùn)用框架，我們精心準(zhǔn)備了一場基于最新發(fā)布的PyTorch 1.2.0 版本的  基于實(shí)戰(zhàn)講解PyTorch基本概念，然后依模型訓(xùn)練過程所涉及到的五大模塊進(jìn)行學(xué)習(xí)（數(shù)據(jù)、模型、損失函數(shù)、優(yōu)化器、迭代訓(xùn)練可視化）從環(huán)境搭建到項目實(shí)戰(zhàn)，0基礎(chǔ)讓你熟練掌PyTorch！ 1 全套系統(tǒng)視頻講解課 針對在運(yùn)用框架時同學(xué)們不懂的問題，我們給大家提供了全套的系統(tǒng)視頻講解課，讓你徹底搞懂框架內(nèi)的每一個原理 2 配套代碼視頻講解+代碼作業(yè) 我們在每節(jié)課均設(shè)計合理的代碼作業(yè)，讓你們從作業(yè)中理解以及加深所學(xué)知識，并在整個教學(xué)設(shè)計上，提供配套代碼視頻講解，通過理論與代碼實(shí)踐相結(jié)合，讓你們學(xué)習(xí)更輕松，可以邊學(xué)邊用  【第一周】視頻課 1. PyTorch簡介 2. 環(huán)境配置 2.1 Pycharm 2.2 anaconda 2.3 安裝PyTorch 2.4 測試 3. PyTorch的數(shù)據(jù)結(jié)構(gòu)——Tensor和Variable 4. PyTorch的自動微分——autograd 5. PyTorch的nn模塊——邏輯回歸 作業(yè)：Tensor操作；實(shí)現(xiàn)自動微分；采用nn實(shí)現(xiàn)邏輯回歸分類器 【第二周】視頻課 1. DataSet與DataLoader 2. 讓PyTorch讀取自己的數(shù)據(jù) 3. 數(shù)據(jù)預(yù)處理及從硬盤到模型 4. 數(shù)據(jù)增強(qiáng)的二十二種模塊 作業(yè)：構(gòu)建DataSet讀取自己的數(shù)據(jù)；實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)； 【第三周】視頻課 1. 模型搭建要素及sequential 2. 常用網(wǎng)絡(luò)層介紹及使用 3. 模型參數(shù)初始化方法——十種 4. 卷積神經(jīng)網(wǎng)絡(luò)Lenet-5搭建及訓(xùn)練 作業(yè)：采用sequential和非sequenial構(gòu)建Lenet-5進(jìn)行圖像分類；采用不同初始化方法對Lenet-5參數(shù)初始化； 【第四周】視頻課 1. 特殊的Module——Function 2. 損失函數(shù)講解——十七種 3. 優(yōu)化器講解——十種 4. 學(xué)習(xí)率調(diào)整策略——六種 作業(yè)：手算并對比PyTorch損失函數(shù)；構(gòu)建一個優(yōu)化器并打印其屬性；實(shí)現(xiàn)學(xué)習(xí)率調(diào)整策略并打印學(xué)習(xí)率變化； 【第五周】視頻課 1. TensorBoard介紹 2. Loss及Accuracy可視化 3. 卷積核及特征圖可視化 4. 梯度及權(quán)值分布可視化 5. 混淆矩陣及其可視化 6. 類激活圖可視化（Grad-CAM） 作業(yè)：采用Tensorborad對Lenet-5的loss、accuracy和混淆矩陣進(jìn)行可視化；對AlexNet的卷積核及特征圖可視化；采用Grad-CAM對Lenet-5進(jìn)行類激活圖可視化 【第六周】視頻課 1. 過擬合正則化 2. L1和L2正則項 3. Dropout 4. Batch Normalization 5. module.eval()對dropout及BN的影響 作業(yè)：采用L1和L2對邏輯回歸進(jìn)行正則化，并采用TensorBoard對權(quán)值分布進(jìn)行對比；對Lenet-5采用dropout及BN，并理解module.eval()原理 【第七周】視頻課 1. 遷移學(xué)習(xí)之——模型Finetune 2. 模型保存與加載 3. Early Stop 4. GPU使用——調(diào)用、選擇、模型保存與加載 作業(yè)：采用10分類模型進(jìn)行2分類Finetune; GPU模型訓(xùn)練與加載 【第八周】視頻課 1. 圖像分類實(shí)戰(zhàn)——ResNet18 2. 圖像分割實(shí)戰(zhàn)——Unet 3. 圖像目標(biāo)檢測實(shí)戰(zhàn)——YOLOV3 4. 圖像生成對抗網(wǎng)絡(luò)實(shí)戰(zhàn)——GAN 5. 遞歸神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)——RNN/LSTM 項目：采用自己的數(shù)據(jù)實(shí)現(xiàn)上述5種模型 有好的課程教材，也必須要有好的導(dǎo)師，才能讓學(xué)習(xí)能力倍速提升，為此，我們請到了《PyTorch 模型訓(xùn)練最新實(shí)用教程》原書作者以及備受學(xué)員喜愛的資深導(dǎo)師團(tuán)帶學(xué)！ 領(lǐng)銜導(dǎo)師： 某互聯(lián)網(wǎng)公司CV算法工程師 著有電子書《PyTorch 模型訓(xùn)練最新實(shí)用教程》 在深度學(xué)習(xí)學(xué)習(xí)者和研究者中廣為傳播，并被 “機(jī)器之心”等一線AI媒體轉(zhuǎn)載或報道 維度1：贈送價值1198元為期一年1對1導(dǎo)師咨詢服務(wù)，12小時之內(nèi)保證解決問題 維度2：每月統(tǒng)一收集問題直播答疑，系統(tǒng)講解重難點(diǎn) 維度3：微信群助教及時互動，群友互答 各大985、211名校學(xué)生都選擇加入我們的訓(xùn)練營一起學(xué)習(xí)，不乏哈佛、麻省、清華、北大、中科院本科生研究生，華為、阿里、滴滴的工程師   |
|
|
來自： 西北望msm66g9f > 《編程》
