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
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

    1575

    浏览量

    45557
  • 机器学习
    +关注

    关注

    66

    文章

    8062

    浏览量

    130442
  • 深度学习
    +关注

    关注

    73

    文章

    5202

    浏览量

    119804
  • pytorch
    +关注

    关注

    2

    文章

    757

    浏览量

    12794

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

    RK3399开发板人工智能深度学习框架

    `迅率先在RK3399 开发板上支持了Docker、TensorFlow目标检测API、OpenCV、Keras、scikit-learn、pytorch和Python等,组成了人工智能深度
    发表于 05-21 17:28

    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PyTorch 1.0 AI框架

    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。
    的头像 发表于 05-08 14:58 3184次阅读

    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 2905次阅读

    千呼万唤始出来,PyTorch1.0预览版终于问世!

    Azure机器学习服务现在允许开发人员无缝地从在本地机器上训练PyTorch模型,并转移到Azure Cloud中进行扩展。为了进行数据科学实验,微软提供了预配置的数据科学虚拟机(DSVM),这些
    的头像 发表于 10-08 10:49 2742次阅读

    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 2944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”为 PyTorch 官网教程,网上已经有部分翻译作品,随着PyTorch1.0 版本的公布,这
    的头像 发表于 01-13 11:53 9761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 2209次阅读

    基于PyTorch深度学习入门教程之PyTorch简单知识

    是一个基于Python的科学计算框架,用于进行深度学习相关研究。对于Python语言的入门,可以参考之前的两篇介绍PythonNumpy的博客。分别是Python Numpy 教程(
    的头像 发表于 02-16 15:20 1970次阅读

    PyTorch开源深度学习框架简介

    PyTorch 是一种开源深度学习框架,以出色的灵活性和易用性著称。这在一定程度上是因为与机器学习开发者和数据科学家所青睐的热门 Python 高级编程语言兼容。
    的头像 发表于 07-29 10:26 3601次阅读

    PyTorch教程5.5之深度学习中的泛化

    电子发烧友网站提供《PyTorch教程5.5之深度学习中的泛化.pdf》资料免费下载
    发表于 06-05 15:31 1次下载
    <b class='flag-5'>PyTorch</b>教程5.5之<b class='flag-5'>深度</b><b class='flag-5'>学习</b>中的泛化

    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 1108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 1014次阅读