深度学习从零到能读论文
从 PyTorch 张量运算到 Transformer,一步步建立动手能力
3 本书
·
预计 7 小时
第 1 站
深度学习前置工具箱
前置:PyTorch 基础和自动求导
动手做深度学习之前需要掌握的基础工具:PyTorch 张量与自动求导、神经网络模块、概率论基础等。
张量运算和自动求导是所有神经网络的底座。有了这些工具之后,从最直觉的任务开始——让机器「看懂」图片。
第 2 站
CNN实战篇:PyTorch图像处理与卷积神经网络
图像:卷积神经网络的完整链路
系统讲解图像表示、卷积、池化、归一化、数据增强、数据集加载、CNN 模型构建、迁移学习、训练技巧与可视化。
CNN 处理的是空间信息,但现实世界还有时间维度:文本、语音、股价。RNN 系列就是为序列数据而生的。