Pytorch-Deep-Learning-Practice-Notes

KO | EN

gitlite — search

#javascript #hacktoberfest #react #ai #android #rust #deep-learning #macos #nodejs #vue #mcp #ios #openai #open-source

Pytorch-Deep-Learning-Practice-Notes

(★ 88)

Pytorch-Deep-Learning-Practice-Notes

Pytorch-Deep-Learning-Practice-Notes 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

<p align="center">
<h1 align="center"> <img src="./imgs/icon/ai.png" width="30" />《PyTorch深度学习实践》笔记</h1>
</p>

<div align="center">
<p align="center">
  <a href="#项目动机">项目动机</a>/
  <a href="#课程简介">课程简介</a>/
  <a href="#参考资源">参考资源</a>/
  <a href="#笔记">笔记</a>/
  <a href="#文件夹说明">文件夹说明</a>/
  <a href="#组织者">组织者</a>/
  <a href="#贡献者">贡献者</a>
</p>
</div>

---

## <img src="./imgs/icon/motivation.png" width="25" />项目动机

《PyTorch深度学习实践》课程是由[**刘洪普（刘二大人）老师**](https://liuii.github.io/)(河北工业大学人工智能与数据科学学院教师)所讲授的PyTorch实践课程，在深度学习初学者中广泛流传。本项目总结了此课程的学习笔记，我们将所有的笔记开源，在自己学习的同时，希望也能帮助到他人，方便大家快速学习PyTorch入门以及复习回顾。笔记中关于深度学习算法等前置课程知识有所简略，重点集中于PyTorch的实践部分。

>本项目的特色：
>1. 笔记与原课程视频对应，方便大家快速学习理解。
>2. 笔记包含代码样例，帮助大家快速上手实践。

课程视频共13节，单个视频平均时长不超过60分钟，预计一周可以学习完毕。      
由于我们的水平有限，如有错误与疏漏，还望谅解，有任何问题欢迎随时指出，我们会进行更正，谢谢大家。     
本项目所用徽章来自互联网，如侵犯了您的图片版权请联系我们删除，谢谢。

## <img src="./imgs/icon/intro.png" width="25" />课程简介

PyTorch是一个基于Torch的Python的开源机器学习框架，其具有强大的张量计算GPU加速、可以实现包含自动求导系统的神经网络搭建等功能。其代码简洁直观、易于理解，目前PyTorch框架在学术以及工业界得到了广泛应用，备受机器学习研究者的青睐。

## <img src="./imgs/icon/resource.png" width="25" />参考资源

- B站课程视频：[深度学习实践](https://www.bilibili.com/video/BV1Y7411d7Ys)
- 课程主页：[深度学习实践](https://liuii.github.io/post/pytorch-tutorials/)
- PyTorch官方教程：[PyTorch Tutorial](https://pytorch.org/tutorials/)

## <img src="./imgs/icon/notes.png" width="25" />笔记

| 章节| 视频  | 笔记 | 讲义  | 代码 |
| ------ | ------------------------------------------------------------ | ------------------------------------------------------------ | ------- | ------- |
| 1.引言  | <a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=1">  <img src="./imgs/cover/01.png"  width="170" /></a> | [笔记-计算图](./notes/01_计算图.md) | [讲义-引言](./handouts/Lecture_01_Overview.pdf) |  |
|  2.线性模型     | <a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=2">  <img src="./imgs/cover/02.png"  width="170" /></a> | |[讲义-线性模型](./handouts/Lecture_02_Linear_Model.pdf) |  |
| 3.梯度下降法  | <a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=3">  <img src="./imgs/cover/03.png"  width="170" /></a>  | [笔记-梯度下降法](./notes/03_梯度下降法.md)| [讲义-梯度下降法](./handouts/Lecture_03_Gradient_Descent.pdf) | |
| 4.反向传播   | <a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=4">  <img src="./imgs/cover/04.png"  width="170" /></a> | | [讲义-反向传播](./handouts/Lecture_04_Back_Propagation.pdf) | |
| 5.Pytorch实现线性回归   |<a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=5">  <img src="./imgs/cover/05.png"  width="170" /></a>  | [笔记-PyTorch实现线性回归](./notes/05_线性回归.md) | [讲义-PyTorch实现线性回归](./handouts/Lecture_05_Linear_Regression_with_PyTorch.pdf) | [代码-PyTorch实现线性回归](./codes/05_线性回归.md)  |
| 6.逻辑斯蒂回归 | <a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=6">  <img src="./imgs/cover/06.png"  width="170" /></a>  | [笔记-逻辑斯蒂回归](./notes/06_逻辑斯蒂回归.md) |[讲义-逻辑斯蒂回归](./handouts/Lecture_06_Logistic_Regression.pdf) | [代码-逻辑斯蒂回归](./codes/06_逻辑斯蒂回归.md)|
| 7.处理多维特征的输入   | <a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=7">  <img src="./imgs/cover/07.png"  width="170" /></a>  | |[讲义-处理多维特征的输入](./handouts/Lecture_07_Multiple_Dimension_Input.pdf)  | |
| 8.加载数据集   | <a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=8">  <img src="./imgs/cover/08.png"  width="170" /></a>  |  [笔记-加载数据集](./notes/08_加载数据集.md) |[讲义-加载数据集](./handouts/Lecture_08_Dataset_and_Dataloader.pdf) |[代码-加载数据集](./codes/08_加载数据集.md) |
| 9.多分类问题 |<a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=9">  <img src="./imgs/cover/09.png"  width="170" /></a>|[笔记-多分类问题](./notes/09_多分类问题.md)| [讲义-多分类问题](./handouts/Lecture_09_Softmax_Classifier.pdf)| [代码-多分类问题](./codes/09_多分类问题.md) |
|10.卷积神经网络（基础篇）|<a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=10">  <img src="./imgs/cover/10.png"  width="170" /></a>|[笔记-卷积神经网络（基础篇）](./notes/10_卷积神经网络.md)| [讲义-卷积神经网络（基础篇）](./handouts/Lecture_10_Basic_CNN.pdf)| [代码-卷积神经网络（基础篇）](./codes/10_卷积神经网络.md)|
|11.卷积神经网络（高级篇）|<a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=11">  <img src="./imgs/cover/11.png"  width="170" /></a>|[笔记-卷积神经网络（高级篇）](./notes/11_卷积神经网络(高级).md)| [讲义-卷积神经网络（高级篇）](./handouts/Lecture_11_Advanced_CNN.pdf)|[代码-卷积神经网络（高级篇）](./codes/11_卷积神经网络(高级).md) |
|12.循环神经网络（基础篇）|<a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=12">  <img src="./imgs/cover/12.png"  width="170" /></a>|[笔记-循环神经网络（基础篇）](./notes/12_循环神经网络.md)|[讲义-循环神经网络（基础篇）](./handouts/Lecture_12_Basic_RNN.pdf) |[代码-循环神经网络（基础篇）](./codes/12_循环神经网络.md) |
|13.循环神经网络（高级篇）|<a href="https://www.bilibili.com/video/BV1Y7411d7Ys?p=13">  <img src="./imgs/cover/13.png"  width="170" /></a>|[笔记-循环神经网络（高级篇）](./notes/13_循环神经网络(高级).md) | [讲义-循环神经网络（高级篇）](./handouts/Lecture_13_RNN_Classifier.pdf) | [代码-循环神经网络（高级篇）](./codes/13_循环神经网络(高级).md) |

## <img src="./imgs/icon/folders.png" width="25" />文件夹说明

- **codes**：代码
- **handouts**：讲义
- **notes**: 笔记
- **imgs**：项目中的图片

## <img src="./imgs/icon/organizer.png" width="25" />组织者
感谢以下同学对本项目的组织

## <img src="./imgs/icon/heart.png" width="25" />贡献者
感谢以下同学对本项目的支持与贡献

Pytorch-Deep-Learning-Practice-Notes

Pytorch-Deep-Learning-Practice-Notes 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Pytorch-Deep-Learning-Practice-Notes

Pytorch-Deep-Learning-Practice-Notes 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README