Pytorch 教程系列 | 莫烦Python

Pytorch 教程系列

• PyTorch 简介

  1. 1.1 科普: 人工神经网络 VS 生物神经网络
  2. 1.2 什么是神经网络 (Neural Network)
  3. 1.3 神经网络 梯度下降
  4. 1.4 Why Pytorch?
  5. 1.5 Pytorch 安装

• PyTorch 神经网络基础

  1. 2.1 Torch 或 Numpy
  2. 2.2 变量 (Variable)
  3. 2.3 什么是激励函数 (Activation Function)
  4. 2.4 激励函数 (Activation)

• 建造第一个神经网络

  1. 3.1 关系拟合 (回归)
  2. 3.2 区分类型 (分类)
  3. 3.3 快速搭建法
  4. 3.4 保存提取
  5. 3.5 批训练
  6. 3.6 加速神经网络训练 (Speed Up Training)
  7. 3.7 Optimizer 优化器

• 高级神经网络结构

  1. 4.1 什么是卷积神经网络 CNN (Convolutional Neural Network)
  2. 4.2 CNN 卷积神经网络
  3. 4.3 什么是循环神经网络 RNN (Recurrent Neural Network)
  4. 4.4 什么是 LSTM 循环神经网络
  5. 4.5 RNN 循环神经网络 (分类)
  6. 4.6 RNN 循环神经网络 (回归)
  7. 4.7 什么是自编码 (Autoencoder)
  8. 4.8 AutoEncoder (自编码/非监督学习)
  9. 4.9 什么是 DQN
  10. 4.10 DQN 强化学习
  11. 4.11 什么是生成对抗网络 (GAN)
  12. 4.12 GAN (Generative Adversarial Nets 生成对抗网络)

• 高阶内容

  1. 5.1 为什么 Torch 是动态的
  2. 5.2 GPU 加速运算
  3. 5.3 什么是过拟合 (Overfitting)
  4. 5.4 Dropout 缓解过拟合
  5. 5.5 什么是批标准化 (Batch Normalization)
  6. 5.6 Batch Normalization 批标准化