隨著深度學(xué)習(xí)的發(fā)展，深度學(xué)習(xí)框架開(kāi)始大量的出現(xiàn)。尤其是近兩年，Google、Facebook、Microsoft等巨頭都圍繞深度學(xué)習(xí)重點(diǎn)投資了一系列新興項(xiàng)目，他們也一直在支持一些開(kāi)源的深度學(xué)習(xí)框架。目前研究人員正在使用的深度學(xué)習(xí)框架不盡相同，有 TensorFlow 、Pytorch、Caffe、Theano、Keras等。

這些講座長(zhǎng)度相對(duì)簡(jiǎn)短，重點(diǎn)突出，非常適合碎片時(shí)間學(xué)習(xí)。通過(guò)這系列課程，我們將學(xué)習(xí)如何用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)，并且我們非常接近于從頭開(kāi)始編寫(xiě)神經(jīng)網(wǎng)絡(luò)。這將幫助我們對(duì)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)有更深入的了解。

課程每?jī)商彀l(fā)布一節(jié)，目前已發(fā)布的內(nèi)容包括：

PyTorch先修要求——神經(jīng)網(wǎng)絡(luò)編程系列教學(xué)大綱

PyTorch的解釋——Python深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)API

PyTorch安裝——快速簡(jiǎn)便

CUDA的解釋——為什么深度學(xué)習(xí)要使用GPU

Tensors 的解釋——深度學(xué)習(xí)的數(shù)據(jù)結(jié)構(gòu)

Rank，Axes和Shape的解釋——深度學(xué)習(xí)的延伸

CNN張量形狀的解釋——卷積神經(jīng)網(wǎng)絡(luò)和特征映射

神經(jīng)網(wǎng)絡(luò)編程系列課程目錄

第1部分：PyTorch和Tensors

第1節(jié)：PyTorch簡(jiǎn)介

PyTorch——Python深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)API

PyTorch安裝——快速、簡(jiǎn)便地安裝PyTorch

CUDA——為什么深度學(xué)習(xí)使用GPU

第2節(jié)： Tensors 

Tensors——深度學(xué)習(xí)的數(shù)據(jù)結(jié)構(gòu)

Rank， Axes和Shape——深度學(xué)習(xí)的延伸

PyTorch Tensors——神經(jīng)網(wǎng)絡(luò)編程

創(chuàng)建PyTorch Tensors——最佳選擇

PyTorchTensors——Reshaping操作

PyTorch Tensors——Element-wise Operations操作

PyTorch張Tensors——Reduction 和 Access 操作

第2部分：使用PyTorch進(jìn)行神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)

第1節(jié)：數(shù)據(jù)和數(shù)據(jù)處理

Fashion MNIST——機(jī)器學(xué)習(xí)數(shù)據(jù)集

PyTorch torchvision——帶數(shù)據(jù)集和數(shù)據(jù)加載器的ETL

用于機(jī)器學(xué)習(xí)的PyTorch數(shù)據(jù)集和數(shù)據(jù)加載器

第2節(jié)：神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)

使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)

PyTorch中的CNN層的屬性參數(shù)

PyTorch中的CNN前向傳播實(shí)現(xiàn)

前向傳播——將單個(gè)圖像傳遞給神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)批處理——傳遞圖像的batch

卷積神經(jīng)網(wǎng)絡(luò)張量變換

第3節(jié)：訓(xùn)練神經(jīng)網(wǎng)絡(luò)

使用PyTorch訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)

使用混淆矩陣分析CNN的結(jié)果

神經(jīng)網(wǎng)絡(luò)編程：第1部分

神經(jīng)網(wǎng)絡(luò)編程系列的第一部分包括2節(jié)內(nèi)容。

第一節(jié)將介紹PyTorch及其功能，解釋為什么應(yīng)該首先使用PyTorch。 此外，還將介紹CUDA，這是一個(gè)在Nvidia GPU上進(jìn)行并行計(jì)算的軟件平臺(tái)。如果你對(duì)為什么深度學(xué)習(xí)首先使用GPU有疑問(wèn)，CUDA的部分將介紹這些細(xì)節(jié)！

第二節(jié)全部是關(guān)于Tensor，即深度學(xué)習(xí)的數(shù)據(jù)結(jié)構(gòu)。了解張量對(duì)于成為深度學(xué)習(xí)專業(yè)人士至關(guān)重要，因此這部分將詳細(xì)介紹。

當(dāng)然，我們將使用PyTorch，但是我們?cè)诒竟?jié)中學(xué)到的概念和操作對(duì)于理解神經(jīng)網(wǎng)絡(luò)是必要的，并且將適用于任何深度學(xué)習(xí)框架。

神經(jīng)網(wǎng)絡(luò)編程：第2部分

神經(jīng)網(wǎng)絡(luò)編程系列的第二部分將帶領(lǐng)學(xué)習(xí)者開(kāi)始構(gòu)建第一個(gè)深度學(xué)習(xí)項(xiàng)目。

第二部分由三節(jié)內(nèi)容組成。

第一部分將涵蓋深度學(xué)習(xí)的數(shù)據(jù)和數(shù)據(jù)處理，以及這些與你的深度學(xué)習(xí)項(xiàng)目的關(guān)系。由于張量是深度學(xué)習(xí)的數(shù)據(jù)結(jié)構(gòu)，我們將利用從第一部分中學(xué)到的有關(guān)張量的所有知識(shí)。我們將介紹要用于構(gòu)建用于圖像分類(lèi)的卷積神經(jīng)網(wǎng)絡(luò)的Fashion-MNIST數(shù)據(jù)集。