課程大綱：

PyTorch 入門培訓

1
PyTorch 基礎入門

1.PyTorch簡介

2.PyTorch中的張量及其運算

3.PyTorch中的自動微分運算

4.用PyTorch實現(xiàn)線性回歸

2
預測未來單車使用量

1.數(shù)據(jù)歸一化、類型變量的轉(zhuǎn)換

2.搭建基本神經(jīng)網(wǎng)絡的方法

3.數(shù)據(jù)分批次訓練原則

4.測試及簡單分析神經(jīng)網(wǎng)絡的方法

3
文本情緒分類器

1.使用Python從網(wǎng)絡上爬取信息的基本方法

2.處理語料“洗數(shù)據(jù)”的基本方法

3.詞袋模型搭建方法 4.簡單RNN的搭建方法

5.簡單LSTM的搭建方法

4
卷積神經(jīng)網(wǎng)絡

1.使用PyTorch數(shù)據(jù)集三件套的方法

2.卷積神經(jīng)網(wǎng)絡的搭建與訓練

3.可視化卷積核、特征圖的方法

5
遷移學習

1.使用PyTorch的數(shù)據(jù)集套件從本地加載數(shù)據(jù)的方法

2.遷移訓練好的大型神經(jīng)網(wǎng)絡模型到自己模型中的方法

3.遷移學習與普通深度學習方法的效果區(qū)別

4.兩種遷移學習方法的區(qū)別

6
圖像風格遷移

1.遷移大型神經(jīng)網(wǎng)絡VGG的方法 2.手動搭建計算圖的方法 3.重新定義損失計算模塊的方法

7
手寫字圖像生成與對抗網(wǎng)絡

1.反卷積生成圖像的實現(xiàn)方法

2.多模型聯(lián)合訓練的實現(xiàn)方法

3.深度卷積生成式對抗網(wǎng)絡（DCGAN）的實現(xiàn)方法

8
詞匯的星空

1.NGram(NPLM)語言模型

2.Word2Vec詞向量模型

3.使用Word2Vec詞向量進行語義運算

9
使用 RNN 生成簡單序列

1.什么是上下文無關文法

2.使用RNN或LSTM模型生成簡單序列的方法

3.探究RNN記憶功能的內(nèi)部原理