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
本系列课程旨在为初学者和有经验的学习者提供一个全面的PyTorch深度学习指南。从基础的机器学习概念到高级技术，如迁移学习，本教程将引导您逐步掌握PyTorch 2.0。
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://cdn.renhai-lab.tech/。
如果你觉得本系列文章有用，欢迎关注博客，点赞和收藏，也欢迎在评论区讨论：
