使用PyTorch进行深度学习系列
PyTorch 深度学习系列课程介绍
❗ 本笔记转自《学习 PyTorch 进行深度学习：从零到精通书籍》：（Learn PyTorch for Deep Learning: Zero to Mastery book），对原文进行了翻译和编辑，本系列课程介绍和目录在《使用 PyTorch 进行深度学习系列》课程介绍。
目录
| 文章 | 简介 |
|---|---|
| 01-PyTorch 基础知识 | 本章将介绍本章将介绍在 PyTorch 中，机器学习和深度学习的基本构建模块——张量(tensor)。 |
| 02-快速入门：使用 PyTorch 进行机器学习和深度学习的基本工作流程 | 通过训练和使用线性回归模型来介绍标准 PyTorch 工作流程。 |
| 03-使用 PyTorch 处理最简单的神经网络分类任务 | 使用 PyTorch 解决几个不同的分类问题。 |
| 04-一文看懂什么是卷积神经网络？ | 介绍卷积神经网络的相关知识，并利用卷积网络来处理和分类图像。 |
| 05-PyTorch 自定义数据集 Datasets、Loader 和 tranform | 使用 torchvision.datasets 以及我们自己的自定义 Dataset 类来加载食物图像，然后我们将构建一个 PyTorch 计算机视觉模型，对三种食物进行分类。 |
| 06-PyTorch 迁移学习：在预训练模型上进行训练 | 使用 PyTorch 利用预训练模型来进行训练。 |
| 07-从头开始创建一个 Vision Transformer (ViT) | PyTorch 是机器学习研究中最受欢迎的深度学习框架，让我们通过复制机器学习论文来了解原因。 |
其他资源：
课程介绍
本教程适用于 PyTorch 2.0。
从 PyTorch 和机器学习的准系统基础知识开始，因此即使您是机器学习新手，您也会跟上进度。然后我们将探索更高级的领域，包括 PyTorch 神经网络分类、PyTorch 工作流程、计算机视觉、自定义数据集、实验跟踪、模型部署，以及我个人最喜欢的：迁移学习，这是一种利用机器学习模型所学知识的强大技术另一个问题并将其应用到您自己的问题中！
需要具备什么条件？
- 3-6 个月编写 Python 代码和机器学习的经验。推荐课程：从零到精通数据科学和机器学习训练营，机器学习初学者课程。
- 会使用 Jupyter Notebooks 。
原课程相关链接：
- Web 阅读（推荐）：Learn PyTorch for Deep Learning: Zero to Mastery course
- GitHub：https://github.com/mrdbourke/pytorch-deep-learning
- Youtube 视频教程（不推荐，比较冗长，练习英语听力可以进）：first 25-hours of material
感谢
感谢原作者 Daniel Bourke，访问https://www.learnpytorch.io/可以阅读英文原文，点击原作者的 Github 仓库：https://github.com/mrdbourke/pytorch-deep-learning/可以获得帮助和其他信息。
本文同样遵守遵守 MIT license，不受任何限制，包括但不限于：使用、复制、修改、合并、发布、分发、再许可和/或出售。但需标明原始作者的许可信息：renhai-lab：https://blog.renhai.online/。
使用PyTorch进行深度学习系列
https://blog.renhai.online/archives/DL-Home