课程大纲：

PyTorch 基础入门培训

PyTorch 是一个基于 Torch 的 Python 开源机器学习库，它主要由 Facebook 的人工智能小组开发。

该框架不仅能够实现强大的 GPU 加速，还支持动态的神经网络。

因此，很多互联网的大厂在进行深度学习时，都会使用该框架，比如 Facebook、Twitter 等。

1 张量的定义

2 激活函数

3 神经网络模型的建立与训练

4 CIFAR 的识别

5 梯度的求解

6 数据预处理

7 手写字符的识别

8 迁移学习

1
张量的定义

1.张量的定义

2.张量的运算

3.张量的切片

2
梯度的求解

1.张量的属性

2.计算图

3.梯度的计算

3
反向传播算法

1.正向传播算法

2.梯度下降算法

3.反向传播算法

4
梯度下降算法

1.线性回归

2.梯度下降算法

3.损失函数

实验 5
损失函数与优化器

1.损失函数的定义

2.优化器的定义

3.模型的训练步骤

1
线性回归的求解

1.损失的定义

2.优化器的定义

3.模型的训练

6
乳腺癌的预测

1.数据集的标准化

2.数据集的划分

3.Sigmoid函数

4.乳腺癌的预测

7
数据加载器

1.数据的分批

2.手写字符数据的分批

3.葡萄酒数据的分批

8
数据的预处理

1.预处理的批操作

2.葡萄酒数据的预处理

3.图像数据的预处理

实验 9
Softmax 函数与交叉熵函数

1.二分类和多分类

2.交叉熵损失

3.PyTorch中的Softmax和交叉熵

10
激活函数及可视化

1.Sigmoid函数

2.ReLU函数 3.Tanh函数

11
基于全连接神经网络的数字识别

1.数据加载器的定义

2.优化器的定义

3.损失的定义

4.全连接网络的建立

5.模型的训练与测试

12
基于卷积神经网络的 CIFAR10 识别

1.CIFAR10

2.数据的预处理

3.卷积神经网络的相关概念

4.模型的搭建

5.模型的训练

6.模型的测试与应用

13
基于迁移学习的蚁蜂分类模型

1.数据的预处理

2.迁移学习

3.预训练模型

4.模型的训练与测试

14
模型的保存与加载

1.完整模型的保存

2.模型参数的保存

3.模型的加载