深入浅出PyTorch⚓︎
在线阅读地址：https://eanyang7.github.io/pytorch_docs/
配套视频教程：https://www.bilibili.com/video/BV1L44y1472Z
该项目是在datawhalechina/thorough-pytorch的基础上进行加工改编
章节目录⚓︎
- 第零章：前置知识
- 人工智能简史
- 相关评价指标
- 常用包的学习
- Jupyter相关操作
- 第一章：PyTorch的简介和安装
- PyTorch简介
- PyTorch的安装
- PyTorch相关资源简介
- 第二章：PyTorch基础知识
- 张量及其运算
- 自动求导简介
- 并行计算、CUDA和cuDNN简介
- 第三章：PyTorch的主要组成模块
- 思考：完成一套深度学习流程需要哪些关键环节
- 基本配置
- 数据读入
- 模型构建
- 损失函数
- 优化器
- 训练和评估
- 可视化
- 第四章：PyTorch基础实战
- 基础实战——Fashion-MNIST时装分类
- 基础实战——果蔬分类实战（notebook）
- 第五章：PyTorch模型定义
- 模型定义方式
- 利用模型块快速搭建复杂网络
- 模型修改
- 模型保存与读取
- 第六章：PyTorch进阶训练技巧
- 自定义损失函数
- 动态调整学习率
- 模型微调-torchvision
- 模型微调-timm
- 半精度训练
- 数据扩充
- 超参数的修改及保存
- PyTorch模型定义与进阶训练技巧
- 第七章：PyTorch可视化
- 可视化网络结构
- 可视化CNN卷积层
- 使用TensorBoard可视化训练过程
- 使用wandb可视化训练过程
- 第八章：PyTorch生态简介
- 简介
- 图像—torchvision
- 视频—PyTorchVideo
- 文本—torchtext
- 音频-torchaudio
- 第九章：模型部署
- 使用ONNX进行部署并推理
- 第十章：常见网络代码的解读(推进中)
- 计算机视觉
- 图像分类
- ResNet源码解读
- Swin Transformer源码解读
- Vision Transformer源码解读
- RNN源码解读
- LSTM源码解读及其实战
- 目标检测
- YOLO系列解读（与MMYOLO合作）
- 图像分割
- 自然语言处理
- RNN源码解读
- 音频处理
- 视频处理
- 其他
最后更新:
November 30, 2023
创建日期: November 30, 2023
创建日期: November 30, 2023