download:PyTorch入門到進階 實戰計算機視覺與自然語言處理項目
PyTorch是目前深度學習的主流框架之一，它有著成熟的生態、大量開源的源碼以及最新的模型，無論學術研究還是工程落地，PyTorch都是主流選擇。同時，PyTorch比其他深度學習框架更易學，也是新手入門的好選擇。本課程將算法、模型和基礎理論知識進行有機結合，結合多個不同的CV與NLP實戰項目，幫助大家掌握PyTorch框架的基礎知識和使用方法，並學會利用PyTorch框架解決實際問題。通過本課程，可以較平穩地快速入門深度學習領域，初步掌握解決深度學習基礎問題的關鍵性技能。
適合人羣
想轉行到深度學習方向的工程師；
學習了理論但欠缺實踐的深度學習starter；
有誌於、感興趣深度學習的愛好者們；
想快速做實驗完成研究任務畢設任務的同學們；
技術儲備要求
機器學習相關基本概念；
Python3編程語言；
Ubuntu基本使用知識；
章節目錄：
第1章 課程介紹-選擇Pytorch的理由 試看
本章節主要介紹課程的主要內容、核心知識點、課程涉及到的應用案例、深度學習算法設計通用流程、適應人羣、學習本門課程的前置條件、學習後達到的效果等，幫助大家從整體上了解本門課程的整體脈絡。
共 1 節 (14分鍾) 收起列表
1-1 課程導學 (13:57) 試看
第2章 初識PyTorch框架與環境搭建
本章節主要介紹PyTorch框架基礎知識，對比其他的深度學習框架（比如：Tensorflow等），分析優缺點，以及介紹如何在Linux（Ubuntu16.04）係統下搭建Pytorch環境。
共 3 節 (32分鍾) 收起列表
2-1 初識Pytorch基本框架 (11:15)
2-2 環境配置（1） (11:21)
2-3 環境配置（2） (08:48)
第3章 PyTorch入門基礎串講 試看
主要介紹PyTorch框架中涉及到的基礎知識、核心概念以及API，主要包括三個部分：1）Tensor以及相關的函數，2）Autograd機製以及相關函數，3）Torch.nn庫。在介紹過程中，結合實際的例子進行Tensor操作函數、AutoGrad自動求導以及神經網絡相關函數的使用說明，同時介紹其中涉及到的數學基礎（導數，方向導數，偏導數，梯度等...
共 37 節 (375分鍾) 收起列表
3-1 機器學習中的分類與回歸問題-機器學習基本構成元素 (11:15)
3-2 Tensor的基本定義 (06:21)
3-3 Tensor與機器學習的關係 (07:33)
3-4 Tensor創建編程實例 (19:55)
3-5 Tensor的屬性 (07:39)
3-6 Tensor的屬性-稀疏的張量的編程實踐 (07:39)
3-7 Tensor的算術運算 (08:12)
3-8 Tensor的算術運算編程實例 (17:06)
3-9 in-place的概念和廣播機製 (09:58)
3-10 取整-餘 (03:49)
3-11 比較運算-排序-topk-kthvalue-數據合法性校驗 (18:28)
3-12 三角函數 (04:18)
3-13 其他數學函數 (05:33)
3-14 Pytorch與統計學方法 (14:55)
3-15 Pytorch與分佈函數 (04:56)
3-16 Pytorch與隨機抽樣 (05:15)
3-17 Pytorch與線性代數運算 (09:18)
3-18 Pytorch與矩陣分解-PCA (19:52)
3-19 Pytorch與矩陣分解-SVD分解-LDA (13:09)
3-20 Pytorch與張量裁剪 (08:48)
3-21 Pytorch與張量的索引與數據篩選 (27:08) 試看
3-22 Pytorch與張量組合與拚接 (11:34) 試看
3-23 Pytorch與張量切片 (07:37)
3-24 Pytorch與張量變形 (14:09)
3-25 Pytorch與張量填充&傅裏葉變換 (03:27)
3-26 Pytorch簡單編程技巧 (11:33)
3-27 Pytorch與autograd-導數-方向導數-偏導數-梯度的概念 (10:02)
3-28 Pytorch與autograd-梯度與機器學習最優解 (12:46)
3-29 Pytorch與autograd-Variable$tensor (02:57)
3-30 Pytorch與autograd-如何計算梯度 (03:04)
3-31 Pytorch與autograd中的幾個重要概念-variable-grad-grad_fn (10:32)
3-32 Pytorch與autograd中的幾個重要概念-autograd例子 (14:15)
3-33 Pytorch與autograd中的幾個重要概念-function (08:18)
3-34 Pytorch與nn庫 (19:46)
3-35 Pytorch與visdom (04:56)
3-36 Pytorch與tensorboardX (05:57)
3-37 Pytorch與torchvision (02:21)
第4章 PyTorch搭建簡單神經網絡
主要介紹機器學習建模思維、神經網絡基本概念以及PyTorch解決機器學習問題時搭建模型的基本組成模塊，並使用PyTorch搭建簡單的神經網絡結構，完成手寫數字識別和波士頓房價預測，兩種不同問題（分類和回歸）的數據處理、模型搭建、模型訓練等不同過程。通過這個過程幫助大家梳理PyTorch搭建神經網絡的基本流程，爲後續解決...
共 7 節 (115分鍾) 收起列表
4-1 機器學習和神經網絡的基本概念（1） (20:53)
4-2 機器學習和神經網絡的基本概念（2） (17:16)
4-3 利用神經網絡解決分類和回歸問題（1） (18:27)
4-4 利用神經網絡解決分類和回歸問題（2） (18:46)
4-5 利用神經網絡解決分類和回歸問題（3） (13:08)
4-6 利用神經網絡解決分類和回歸問題（4） (12:06)
4-7 利用神經網絡解決分類和回歸問題（5） (13:29)
第5章 計算機視覺與捲積神經網絡基礎串講
主要介紹計算機視覺的基本概念，涉及到圖像數據表示，顏色空間，亮度對比度，邊緣提取，濾波與銳化等基礎概念，然後引入深度學習的基本概念（前向運算、反向傳播等）、並詳細介紹了基本網絡單元（捲積層、池化層、激活層、Dropout層、BN層、FC層、損失層等）、感受野、參數量計算量評估等，另外，課程中幫助大家梳理了捲積...
共 14 節 (149分鍾) 收起列表
5-1 計算機視覺基本概念 (23:01)
5-2 圖像處理常見概念 (24:30)
5-3 特徵工程 (14:07)
5-4 捲積神經網（上） (12:36)
5-5 捲積神經網（下） (12:04)
5-6 pooling層 (05:07)
5-7 激活層-BN層-FC層-損失層 (12:13)
5-8 經典捲積神經網絡結構 (09:54)
5-9 輕量型網絡結構 (07:35)
5-10 多分支網絡結構 (03:42)
5-11 attention的網絡結構 (08:24)
5-12 學習率 (04:43)
5-13 優化器 (07:32)
5-14 捲積神經網添加正則化 (03:27)
第6章 PyTorch實戰計算機視覺任務-Cifar10圖像分類
主要介紹使用Pytorch完成cifar-10圖像分類，具體包括了Cifar-10數據集介紹、Cifar-10數據下載、數據處理、PyTorch訓練框架搭建、PyTorch網絡搭建、PyTorch分類網絡訓練、PyTorch數據增強實現、Tensorboard數據分析、PyTorch分類模型測試以及模型優化，通過具體Cifar-10圖像分類任務來幫助大家瞭解如何實戰PyTorch搭建深度學...
共 17 節 (218分鍾) 收起列表
6-1 圖像分類網絡模型框架解讀（上） (15:04)
6-2 圖像分類網絡模型框架解讀（下） (15:41)
6-3 cifar10數據介紹-讀取-處理（上） (09:43)
6-4 cifar10數據介紹-讀取-處理（下） (10:49)
6-5 PyTorch自定義數據加載-加載Cifar10數據 (15:23)
6-6 PyTorch搭建 VGGNet 實現Cifar10圖像分類 (15:03)
6-7 PyTorch搭建cifar10訓練腳本-tensorboard記錄LOG（上） (14:48)
6-8 PyTorch搭建cifar10訓練腳本-tensorboard記錄LOG（下） (19:36)
6-9 PyTorch搭建cifar10訓練腳本搭建-ResNet結構（上） (16:56)
6-10 PyTorch搭建cifar10訓練腳本搭建-ResNet結構（下） (10:29)
6-11 PyTorch搭建cifar10訓練腳本搭建-Mobilenetv1結構 (11:34)
6-12 PyTorch搭建cifar10訓練腳本搭建-Inception結構（上） (15:04)
6-13 PyTorch搭建cifar10訓練腳本搭建-Inception結構（下） (09:13)
6-14 PyTorch搭建cifar10訓練腳本搭建-調用Pytorch標準網絡ResNet18等 (06:05)
6-15 PyTorch搭建cifar10推理測試腳本搭建 (08:30)
6-16 分類問題優化思路 (17:12)
6-17 分類問題最新研究進展和方向 (06:33)
第7章 Pytorch實戰計算機視覺任務-Pascal VOC目標檢測問題
主要介紹使用Pytorch完成Pascal VOC目標檢測問題，具體包括了目標檢測算法綜述，檢測問題建模，Pascal VOC數據集介紹、Pascal VOC數據下載、數據處理，開源工具MMDetection介紹，使用MMDetection完成檢測任務配置，使用MMDetection完成模型訓練和結果分析。通過具體Passcal VOC目標檢測任務來幫助大家瞭解如何使用MMDec...
共 10 節 (114分鍾) 收起列表
7-1 目標檢測問題介紹（上） (14:09)
7-2 目標檢測問題介紹（下） (11:47)
7-3 Pascal VOC-COCO數據集介紹 (05:14)
7-4 MMdetection框架介紹-安裝說明 (15:11)
7-5 MMdetection框架使用說明 (12:18)
7-6 MMdetection訓練Passcal VOC目標檢測任務（上） (17:26)
7-7 MMdetection訓練Passcal VOC目標檢測任務（中） (16:27)
7-8 MMdetection訓練Passcal VOC目標檢測任務（下） (11:51)
7-9 MMdetection Test腳本 (03:36)
7-10 MMdetection LOG分析 (05:43)
第8章 PyTorch實戰計算機視覺任務-COCO目標分割問題
主要介紹使用Pytorch完成COCO數據集目標分割問題，具體包括了目標分割算法綜述（語義分割、實例分割、全景分割），目標分割問題建模，COCO數據集介紹、COCO數據下載、數據處理，開源工具detectron介紹，使用detectron完成實例分割模型MASK-RCNN任務配置，使用detectron完成模型訓練和結果分析。通過具體COCO目標分割任務來...
共 7 節 (100分鍾) 收起列表
8-1 圖像分割基本概念 (10:37)
8-2 圖像分割方法介紹 (19:02)
8-3 圖像分割評價指標及目前面臨的挑戰 (09:51)
8-4 COCO數據集介紹 (04:20)
8-5 detectron框架介紹和使用簡單說明 (10:09)
8-6 coco數據集標註文件解析 (07:52)
8-7 detectron源碼解讀和模型訓練-demo測試 (37:29)
第9章 PyTorch搭建GAN網絡實戰圖像風格遷移
主要介紹生成對抗模型，GAN網絡的基礎概念，以及GAN網絡在各種不同計算機視覺任務中的應用。並重點介紹GAN網絡的典型網絡結構，其中包括了：GAN、CycleGAN、Pixel to Pixel等網絡結構。幫助大家梳理GAN網絡的基本理論、核心概念和框架結構，爲後續模型的搭建提供理論基礎。並通過使用Pytorch完成GAN網絡搭建，並解決圖像...
共 7 節 (99分鍾) 收起列表
9-1 GAN的基礎概念和典型模型介紹（上） (15:03)
9-2 GAN的基礎概念和典型模型介紹（下） (13:02)
9-3 圖像風格轉換數據下載與自定義dataset類 (11:14)
9-4 cycleGAN模型搭建-model (16:15)
9-5 cycleGAN模型搭建-train（上） (18:02)
9-6 cycleGAN模型搭建-train（下） (18:28)
9-7 cycleGAN模型搭建-test (06:40)
第10章 循環神經網與NLP基礎串講
主要介紹循環神經網絡與NLP理論基礎，涉及到語音&NLP數據表示，語言模型，詞向量等基礎概念，然後介紹循環神經網絡的基本網絡單元（RNN層、BiRNN層、LSTM、GRU、Attention、Seq2seq、Transformer等）等，另外，課程中幫助大家梳理了循環神經網絡發展的主要脈絡以及目前工業屆和學術界在解決NLP時的主要問題，主流模型和網絡...
共 8 節 (83分鍾) 收起列表
10-1 RNN網絡基礎 (07:18)
10-2 RNN常見網絡結構-simple RNN網絡 (10:56)
10-3 Bi-RNN網絡 (04:42)
10-4 LSTM網絡基礎 (13:58)
10-5 Attention結構 (09:41)
10-6 Transformer結構 (13:15)
10-7 BERT結構 (07:21)
10-8 NLP基礎概念介紹 (15:06)
第11章 PyTorch實戰中文文本情感分類問題
主要介紹使用Pytorch搭建循環神經網絡，並用來解決中文文本情感分類問題，具體包括了、數據集介紹和下載、數據處理，循環神經網絡模型搭建，模型訓練和結果分析。通過PyTorch+LSTM模型來幫助大家瞭解如何使用PyTorch解決自然語言處理問題中的基礎任務——中文文本情感分類問題。...
共 10 節 (92分鍾) 收起列表
11-1 文本情感分析-情感分類概念介紹 (09:34)
11-2 文本情感分類關鍵流程介紹 (02:25)
11-3 文本情感分類之文本預處理 (06:33)
11-4 文本情感分類之特徵提取與文本表示 (05:15)
11-5 文本情感分類之深度學習模型 (08:33)
11-6 文本情感分類-數據準備 (16:42)
11-7 文本情感分類-dataset類定義 (12:32)
11-8 文本情感分類-model類定義 (11:37)
11-9 文本情感分類-train腳本定義 (13:37)
11-10 文本情感分類-test腳本定義 (05:06)
第12章 PyTorch實戰機器翻譯問題
主要介紹使用Pytorch搭建Attention-Seq2seq網絡，並用來解決機器翻譯問題，具體包括了:數據集介紹和下載、數據處理，循環神經網絡模型搭建，模型訓練和結果分析。通過PyTorch+Attention+Seq2Seq模型來幫助大家瞭解如何使用PyTorch解決自然語言處理問題中的基礎任務——機器翻譯（序列到序列）問題。...
共 9 節 (117分鍾) 收起列表
12-1 機器翻譯相關方法-應用場景-評價方法 (14:23)
12-2 Seq2Seq-Attention編程實例數據準備-模型結構-相關函數 (05:31)
12-3 Seq2Seq-Attention編程實例-定義數據處理模塊 (17:08)
12-4 Seq2Seq-Attention編程實例-定義模型結構模塊（上） (13:10)
12-5 Seq2Seq-Attention編程實例-定義模型結構模塊（下） (13:46)
12-6 Seq2Seq-Attention編程實例-定義train模塊（上） (13:03)
12-7 Seq2Seq-Attention編程實例-定義train模塊（下） (10:33)
12-8 Seq2Seq-Attention編程實例-定義train模塊-loss function (20:10)
12-9 Seq2Seq-Attention編程實例-定義eval模塊 (08:40)
第13章 PyTorch工程應用介紹
主要介紹如何在工程應用中進行模型選擇、模型優化、模型存儲、模型部署、分佈式訓練等問題，幫助大家瞭解如何將算法模型實際應用於工程項目中，並提供穩定的服務。
共 4 節 (32分鍾) 收起列表
13-1 PyTorch模型開發與部署基礎平臺介紹 (09:39)
13-2 PyTorch工程化基礎--Torchscript (09:15)
13-3 PyTorch服務端發佈平臺--Torchserver (06:31)
13-4 PyTorch終端推理基礎--ONNX (06:05)
第14章 【選修】Linux操作基礎串講
爲幫助不熟悉linux係統的同學快速掌握並入門Linux係統實戰技能，本章重點介紹Linux操作係統的使用技巧和相關知識。具體包括：Ubuntu係統介紹、Ubuntu環境搭建、Ubuntu常用命令、Ubuntu係統文件目錄介紹、Shell腳本、Make編譯、vim簡單操作、Git使用基礎等，幫助大家在進行實操時打好基礎。...
共 1 節 (20分鍾) 收起列表
14-1 linux操作基礎串講 (19:18)
第15章 課程總結與回顧
主要對之前內容進行總結和回顧，並針對大家在學習中的一些問題和後續的算法職業發展提供一些建議，最後對後續的課程規劃進行展望。
共 1 節 (12分鍾) 收起列表
15-1 課程總結 (11:14)
本課程已完結