Dieser Artikel ist eine Einführung in die Studiennotizen von „PyTorch Deep Learning Practice“, die von Meister Liu Er von bilibili gelehrt werden.
Die Notizen beinhalten mein eigenes Verständnis des Kurses und des Codes, und ich hoffe, es wird für alle hilfreich sein. Da mein Wissen noch oberflächlich ist, hinterlassen Sie bitte eine Nachricht zum Austausch, wenn es irgendwelche Mängel in den Notizen gibt. Die Kurscodes sind alle ohne Fehler gelaufen!
Kurslink: „PyTorch Deep Learning Practice“ vollständiger Sammlungscode
und Informationen auf meiner Gitee-Homepage: https://gitee.com/Xiaolong_AI/deep-learning-and-Pytorch
Katalog der Studiennotizen „PyTorch Deep Learning Practice“ (Ende):
1. Lineares Modell
2. Gradientenabstieg
3. Rückwärtsausbreitung
4. Lineare Regression
5. Logische Regression [Logistische Regression] (Logistische Regression)
6. Laden des Datensatzes (Datensatz und DataLoader)
7. MNIST Dataset Multi-Classification (Softmax Classifier)
8. Convolutional Neural Network – Basics (Basic-Convolution Neural Network)
9. Convolution Neural Network – Advanced (Advanced-Convolution Neural Network)
10. Recurrent Neural Network – Basic (Basic -Wiederkehrendes neurales Netzwerk)
11. Wiederkehrendes neurales Netzwerk - Erweitert (Erweitert-wiederkehrendes neurales Netzwerk)
Es gibt noch einige andere Inhalte in der Kolumne, und sie wird laufend aktualisiert, bitte überprüfen Sie diese ggf. selbst.