Este artículo es una introducción a las notas de estudio de la "Práctica de aprendizaje profundo de PyTorch" impartida por el maestro Liu Er de bilibili.
Las notas incorporan mi propia comprensión del curso y el código, y espero que sea útil para todos. Dado que mi conocimiento aún es superficial, si hay alguna deficiencia en las notas, deje un mensaje para intercambiar. ¡El código del curso se ha ejecutado sin errores!
Enlace del curso: "Práctica de aprendizaje profundo de PyTorch"
código de colección completo e información en mi página de inicio de Gitee: https://gitee.com/Xiaolong_AI/deep-learning-and-Pytorch
Catálogo de notas de estudio "Práctica de aprendizaje profundo de PyTorch" (final):
1. Modelo lineal
2. Descenso de gradiente
3. Propagación hacia atrás
4. Regresión lineal
5. Regresión lógica [Regresión logística] (Regresión logística)
6. Carga de conjunto de datos (Conjunto de datos y Cargador de datos)
7. Clasificación múltiple de conjuntos de datos MNIST (clasificador Softmax)
8. Red neuronal convolucional - Básico (Red neuronal de convolución básica)
9. Red neuronal de convolución - Avanzada (Red neuronal de convolución avanzada)
10. Red neuronal recurrente - Básica (Red neuronal de convolución básica) -Red neuronal recurrente)
11. Red neuronal recurrente - Avanzado (Red neuronal recurrente avanzada) [No actualizado]
Hay algún otro contenido en la columna, y se actualizará continuamente, verifíquelo usted mismo si es necesario.