pytorch-deep-learning - Learn PyTorch for Deep Learning:从零到精通课程的材料。

Created at: 2021-10-19 08:49:19
开发语言: Jupyter Notebook
授权协议: MIT

学习用于深度学习的 PyTorch(工作正在进行中)

2022年8月31日更新:课程在零到精通学院上发布,其中包含00-07,08 &09部分的视频即将推出。

欢迎来到零掌握学习PyTorch深度学习课程,这是在互联网上学习PyTorch的第二个最佳场所(第一个是PyTorch文档)。

本页内容

课程材料/大纲

  • 📖 在线书籍版本:所有课程材料均在 learnpytorch.io 的可读在线书籍中提供。
  • 🎥 YouTube上的前五个部分:通过观看前25小时的材料,在一天内学习Pytorch。
  • 🔬 课程重点:代码,代码,代码,实验,实验,实验。
  • 🏃 ♂️ 教学风格:https://sive.rs/kimo
  • 🤔 提出问题:有关现有问题,请参阅 GitHub 讨论页面/提出自己的问题。
部分 它涵盖哪些内容? 练习和课外活动 幻灯片
00 - 派托奇基础知识 许多用于深度学习和神经网络的基本 PyTorch 运算。 参加练习和课外活动 转到幻灯片
01 - 派托奇工作流程 提供使用 PyTorch 解决深度学习问题和构建神经网络的大纲。 参加练习和课外活动 转到幻灯片
02 - PyTorch 神经网络分类 使用 01 中的 PyTorch 工作流来讨论神经网络分类问题。 参加练习和课外活动 转到幻灯片
03 - PyTorch 计算机视觉 让我们看看PyTorch如何使用相同的工作流程从01 & 02开始用于计算机视觉问题。 参加练习和课外活动 转到幻灯片
04 - PyTorch 自定义数据集 如何将自定义数据集加载到 PyTorch 中?此外,我们将在本笔记本中为我们的模块化代码(在 05 中介绍)奠定基础。 参加练习和课外活动 转到幻灯片
05 - PyTorch 走向模块化 PyTorch被设计成模块化的,让我们把我们创建的东西变成一系列Python脚本(这就是你经常在野外找到PyTorch代码的方式)。 参加练习和课外活动 转到幻灯片
06 - 派托奇迁移学习 让我们采用一个性能良好的预训练模型,并根据我们自己的问题之一进行调整。 参加练习和课外活动 转到幻灯片
07 - 里程碑项目1:PyTorch实验跟踪 我们已经构建了一堆模型...跟踪他们所有人的情况不是很好吗? 参加练习和课外活动 转到幻灯片
08 - 里程碑项目2:PyTorch纸复制 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看看为什么。 参加练习和课外活动 转到幻灯片
09 - 里程碑项目3:模型部署 因此,我们构建了一个工作 PyTorch 模型...我们如何把它交到别人的手中?提示:将其部署到互联网上。 参加练习和课外活动 转到幻灯片
嘟嘟的额外资源 本课程涵盖了大量的PyTorch和深度学习,但机器学习领域是广阔的,在这里你会发现推荐的书籍和资源:PyTorch和深度学习,ML工程,NLP(自然语言处理),时间序列数据,在哪里找到数据集等等。 - -

地位

请参阅项目页面,了解在制品板 - https://github.com/users/mrdbourke/projects/1

  • 处理:09 的已完成视频,08 和 09 的编辑视频准备上传
  • 总视频数: 321
  • 完成骨架代码: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
  • 已完成的注释(文本): 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
  • 完成的图片来源: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
  • 完成的主题演讲: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09
  • 已完成的练习和解决方案: 00, 01, 02, 03, 04, 05, 06, 07, 08, 09

请参阅日志,了解几乎每天的更新。

关于本课程

本课程面向谁?

你:是机器学习或深度学习领域的初学者,并希望学习PyTorch。

本课程:以动手实践、代码优先的方式教你 PyTorch 和许多机器学习概念。

如果你已经有1年以上的机器学习经验,本课程可能会有所帮助,但它是专门为初学者设计的。

先决条件是什么?

  1. 3-6个月编码蟒蛇。
  2. 至少一个初学者机器学习课程(但是可以跳过,资源链接为许多不同的主题)。
  3. 使用Jupyter笔记本或谷歌Colab的经验(尽管你可以在我们前进的过程中选择它)。
  4. 愿意学习(最重要的是)。

对于1 &2,我推荐零掌握数据科学和机器学习训练营,它将教你机器学习和Python的基础知识(虽然我有偏见,但我也教这门课程)。

课程是如何教授的?

所有课程材料都可以在 learnpytorch.io 的在线书籍中免费获得。如果你想阅读,我建议你仔细阅读那里的资源。

如果你更喜欢通过视频学习,这门课程也以学徒式的形式教授,这意味着我写PyTorch代码,你写PyTorch代码。

课程座右铭包括一个原因,如果有疑问,运行代码实验,实验,实验!

我的全部目标是帮助你做一件事:通过编写PyTorch代码来学习机器学习。

代码都是通过谷歌Colab笔记本编写的(你也可以使用Jupyter笔记本),这是一个令人难以置信的免费资源,可以尝试机器学习。

如果我完成课程,我会得到什么?

有证书和所有的爵士乐,如果你通过视频。

但证书是我的。

你可以将本课程视为机器学习动力构建器。

到最后,你将编写数百行PyTorch代码。

并且将接触到机器学习中许多最重要的概念。

因此,当你去构建自己的机器学习项目或检查使用PyTorch制作的公共机器学习项目时,它会感到熟悉,如果没有,至少你会知道在哪里寻找。

我将在课程中构建什么?

我们从PyTorch和机器学习的准系统基础知识开始,所以即使你是机器学习的新手,你也会跟上速度。

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,这是一种强大的技术,可以将一个机器学习模型所学到的知识应用于另一个问题并将其应用于你自己的问题!

在此过程中,你将围绕一个名为 FoodVision 的总体项目构建三个里程碑项目,这是一个神经网络计算机视觉模型,用于对食物图像进行分类。

这些里程碑式的项目将帮助你练习使用PyTorch来涵盖重要的机器学习概念,并创建一个可以向雇主展示并说“这是我所做的”的投资组合。

如何开始?

你可以在任何设备上阅读材料,但本课程最好在桌面浏览器中查看和编码。

该课程使用一个名为谷歌Colab的免费工具。如果你没有这方面的经验,我会浏览免费的谷歌Colab简介教程,然后回到这里。

要开始:

  1. 单击上面的笔记本或分区链接之一,如“00.派托奇基本原理“。
  2. 点击顶部的“在 Colab 中打开”按钮。
  3. 按 SHIFT+回车键几次,看看会发生什么。

我的问题没有得到解答

请留下讨论或直接给我发电子邮件:丹尼尔(在)mrdbourke(点)com。

日志

几乎每天都会更新正在发生的事情。

  • 30 Aug 2022 - 录制了15个视频,共09个视频,总视频:321个,完成了09个视频!!!!...甚至比08还大!!
  • 29 Aug 2022 - 录制了 16 个 09 个视频,总视频数: 306
  • 28 Aug 2022 - 录制了 11 个 09 个视频,总视频数: 290
  • 27 Aug 2022 - 录制了 16 个 09 个视频,总共视频: 279 个
  • 26 Aug 2022 - 为笔记本 09 添加点睛之笔,为 09 添加幻灯片,为 09 创建解决方案和练习
  • 25 Aug 2022 - 添加注释并清理09,删除TK,清理图像,为09制作幻灯片
  • 2022年8月24日 - 为09添加注释,主要要点,练习和完成课外活动
  • 23 Aug 2022 - 为09添加注释,添加大量图像/幻灯片
  • 22 Aug 2022 - 添加注释到09,开始处理幻灯片/图像
  • 20 Aug 2022 - 为 09 添加注释
  • 19 Aug 2022 - 为09添加注释,查看精彩的演示!
  • 18 Aug 2022 - 添加注释至 09
  • 17 Aug 2022 - 添加注释至 09
  • 16 Aug 2022 - 为 09 添加注释
  • 15 Aug 2022 - 添加注释至 09
  • 13 Aug 2022 - 为 09 添加注释
  • 12 Aug 2022 - 将笔记本 09 的演示文件添加到 ,开始使用说明文本注释笔记本 09
    demos/
  • 2022 年 8 月 11 日 - 完成笔记本 09 的骨架代码,课程完成部署 2x 模型,一个用于 FoodVision Mini 和一个用于(秘密)
  • 2022 年 8 月 10 日 - 添加 PyTorch 额外资源部分(用于了解有关 PyTorch/深度学习的更多信息的位置):https://www.learnpytorch.io/pytorch_extra_resources/
  • 09 Aug 2022 - 添加更多骨架代码到笔记本 09
  • 08 Aug 2022 - 为09创建草稿笔记本,最终目标是部署FoodVision迷你模型并使其可公开访问
  • 05 Aug 2022 - 录制了11个视频,共08个视频,总视频:263个,第08节视频已完成!...迄今为止最大的部分
  • 04 Aug 2022 - 录制了 13 个 08 个视频,总视频数: 252
  • 03 Aug 2022 - 录制了 3 个 08 个视频,总视频数: 239
  • 02 Aug 2022 - 录制了 12 个 08 个视频,总视频数: 236
  • 30 七月 2022 - 录制了 11 个视频 08, 总视频: 224
  • 2022 年 7 月 29 日 - 为 08 添加练习 + 解决方案,请参阅 YouTube 上的实时演练:https://youtu.be/tjpW_BY8y3g
  • 2022 年 7 月 28 日 - 为 08 添加幻灯片
  • 2022年7月27日-清理08的大部分内容,开始08的幻灯片,接下来的练习和课外活动
  • 2022 年 7 月 26 日 - 为 08 添加注释和图片
  • 2022 年 7 月 25 日 - 为 08 添加注释
  • 2022年7月24日-在YouTube上以单个视频(25小时以上!!!)推出课程上半部分(笔记本00-04):https://youtu.be/Z_ikDlimN6A
  • 21 July 2022 - 为 08 添加注释和图片
  • 20 July 2022 - 为08添加注释和图像,如此接近!这是一个史诗般的部分
  • 2022 年 7 月 19 日 - 为 08 添加注释和图像
  • 2022 年 7 月 15 日 - 为 08 添加注释和图像
  • 2022 年 7 月 14 日 - 为 08 添加注释
  • 2022年7月12日 - 为08添加注释,呜呜呜这是大块的部分!
  • 2022 年 7 月 11 日 - 为 08 添加注释
  • 2022 年 7 月 9 日 - 添加 08 的注释
  • 8 七月 2022 - 添加一堆注释到 08
  • 2022 年 7 月 6 日 - 在 ZTM 学院推出课程,其中包含 00-07 节的视频!🚀 - https://dbourke.link/ZTMPyTorch
  • 2022 年 7 月 1 日 - 为 08 添加注释和图像
  • 2022 年 6 月 30 日 - 为 08 添加注释
  • 2022 年 6 月 28 日 - 录制了 11 个第 07 节的视频,总视频数为 213 个,第 07 节的所有视频都已完成!
  • 27 June 2022 - 第 07 节录制了 11 个视频,视频总数为 202 个
  • 2022 年 6 月 25 日 - 为第 06 部分重新创建了 7 个视频,包括更新的 API,视频总数为 191
  • 2022 年 6 月 24 日 - 为第 06 部分重新制作了 12 个视频,以包含更新的 API
  • 2022 年 6 月 23 日 - 完成 07 的注释,添加 07 + 视频演练的练习模板和解决方案:https://youtu.be/cO_r2FYcAjU
  • 2022 年 6 月 21 日 - 使 08 可端到端运行,为 07 添加图像和注释
  • 2022 年 6 月 17 日 - 修复 06, 07 v2 以进行即将到来的 Torchvision 版本升级,为 08 添加大量注释
  • 2022年6月13日-添加笔记本08第一版,开始复制视觉变压器论文
  • 2022 年 6 月 10 日 - 为 07 v2 添加注释
  • 2022 年 6 月 9 日 - 为 v0.13 创建 07 v2(发布时将替换 07 v1)
    torchvision
    torchvision=0.13
  • 2022 年 6 月 8 日 - 将 06 v2 改编为 v0.13(发布时将取代 06 v1)
    torchvision
    torchvision=0.13
  • 2022 年 6 月 7 日 - 为即将到来的 v0.13 更新创建笔记本 06 v2(新的迁移学习方法)
    torchvision
  • 04 年 2022 月 07 日 - 为 <> 添加注释
  • 2022 年 6 月 3 日 - 07 添加了大量注释
  • 31 May 2022 - 为07添加一堆注释,使代码端到端运行
  • 30 May 2022 - 为06录制4个视频,完成第06部分,进入第07部分,总视频数186
  • 28 May 2022 - 为06录制10个视频,总共录制182个视频
  • 24 May 2022 - 为06添加解决方案和练习
  • 23 May 2022 - 完成06的注释和图像,是时候做练习和解决方案了
  • 22 May 2202 - 添加大量图片到06
  • 18 May 2022 - 为06添加大量注释
  • 17 May 2022 - 为第06节添加了一堆注释
  • 2022年5月16日-为第05部分录制了10个视频,为第05 部分录制了10个视频
  • 12 May 2022 - 为05添加了练习和解决方案
  • 2022年5月11日-清理05的第1部分和第2部分笔记本,为05制作幻灯片,开始05的练习和解决方案
  • 10 May 2022 - huuuuge更新到05部分,看到网站,它看起来很漂亮:https://www.learnpytorch.io/05_pytorch_going_modular/
  • 09 May 2022 - 为05添加一堆材料,清理文档
  • 08 May 2022 - 为05添加一堆材料
  • 06 May 2022 - 继续为05制作材料
  • 2022 年 5 月 5 日 - 使用标题/大纲更新第 05 节
  • 28 Apr 2022 - 为04录制了13个视频,为04录制了完成视频,现在为05制作了材料
  • 27 Apr 2022 - 为04录制了3个视频
  • 26 Apr 2022 - 为04录制了10个视频
  • 25 Apr 2022 - 为11录制了04个视频
  • 24 Apr 2022 - 为04准备了幻灯片
  • 23 Apr 2022 - 为03录制了6个视频,为03录制了完整的视频,现在到04
  • 22 Apr 2022 - 为5录制了03个视频
  • 21 Apr 2022 - 为9录制了03个视频
  • 20 Apr 2022 - 为3录制了03个视频
  • 19 Apr 2022 - 为11录制了03个视频
  • 2022 年 4 月 18 日 - 完成 04 的练习/解决方案,在 YouTube 上添加了 04 个练习/解决方案的实时编码演练:https://youtu.be/vsFMF9wqWx0
  • 2022年4月16日 - 完成03的练习/解决方案,在YouTube上添加了03个练习/解决方案的实时编码演练:https://youtu.be/_PibmqpEyhA
  • 14 Apr 2022 - 为04添加最终图像/注释,开始03 / 04的练习/解决方案
  • 13 Apr 2022 - 为04添加更多图像/注释
  • 3 Apr 2022 - 为 04 添加更多注释
  • 2 Apr 2022 - 为 04 添加更多注释
  • 1 Apr 2022 - 为 04 添加更多注释
  • 31 Mar 2022 - 为 04 添加更多注释
  • 29 Mar 2022 - 为 04 添加更多注释
  • 27 Mar 2022 - 开始为 04 添加注释
  • 26 Mar 2022 - 为04制作数据集
  • 25 Mar 2022 - 为03制作幻灯片
  • 2022年3月24日-修复03在文档中不起作用的错误(最后)
  • 23 Mar 2022 - 为03添加更多图片
  • 22 Mar 2022 - 为添加图片 03
  • 20 Mar 2022 - 为 03 添加更多注释
  • 18 Mar 2022 - 为 03 添加更多注释
  • 17 Mar 2022 - 为 03 添加更多注释
  • 16 Mar 2022 - 为 03 添加更多注释
  • 15 Mar 2022 - 为 03 添加更多注释
  • 14 Mar 2022 - 开始为 notebook 03 添加注释,在此处查看正在进行的工作:https://www.learnpytorch.io/03_pytorch_computer_vision/
  • 12 Mar 2022 - 为02录制了12个视频,完成了第02部分,现在开始制作03,04,05的材料
  • 11 Mar 2022 - 为02录制了9个视频
  • 10 Mar 2022 - 为02录制了10个视频
  • 9 Mar 2022 - 清理02的幻灯片/代码,准备录制
  • 8 Mar 2022 - 录制了9个视频,第01部分,现在到02
  • 7 Mar 2022 - 为第01部分录制了4个视频
  • 6 Mar 2022 - 为第01部分录制了4个视频
  • 4 Mar 2022 - 为第01部分录制了10个视频
  • 20 Feb 2022 - 录制了8个视频,用于第00部分,已完成部分,现在进入01
  • 18 Feb 2022 - 录制了13个第00节的视频
  • 17 Feb 2022 - 录制了11个第00节的视频
  • 16 Feb 2022 - 新增设置指南
  • 12 Feb 2022 - 整理自述文件,包括课程材料表,完成01的图像和幻灯片
  • 10 Feb 2022 - 完成的幻灯片和图像为00,笔记本已准备好发布:https://www.learnpytorch.io/00_pytorch_fundamentals/
  • 01-07 Feb 2022 - 为02添加注释,已完成,仍需要图像,今天开始练习/解决方案
  • 31 Jan 2022 - 开始为 02 添加注释
  • 28 Jan 2022 - 为01添加可执行文件和解决方案
  • 26 Jan 2022 - 对01的更多注释,明天应该完成,将做练习+解决方案,然后太
  • 24 Jan 2022 - 为01添加一堆注释
  • 21 Jan 2022 - 开始为 01 添加注释
  • 20 Jan 2022 - 完成00的注释(仍需要添加图像),为00添加练习和解决方案
  • 19 Jan 2022 - 为 00 添加更多注释
  • 18 Jan 2022 - 为 00 添加更多注释
  • 17 Jan 2022 - 从假期返回,向00添加更多注释
  • 2021 年 12 月 10 日 - 开始为 00 添加广告
  • 2021年12月9日 - 为课程创建了一个网站(learnpytorch.io),随着开发的继续,你将看到在那里发布的更新
  • 2021 年 12 月 8 日 - 清理笔记本 07,开始返回代码并添加注释
  • 26 Nov 2021 - 完成07的骨架代码,添加了四个不同的实验,需要清理并使其更直接
  • 2021 年 11 月 25 日 - 清理 06 的代码,为 07 添加框架代码(实验跟踪)
  • 24 Nov 2021 - 更新04,05,06笔记本,以便于消化和学习,每个部分应涵盖最多3个大想法,05现在致力于将笔记本代码转换为模块化代码
  • 2021 年 11 月 22 日 - 更新 04 训练和测试功能,使其更加简单明了
  • 19 Nov 2021 - 新增05(迁移学习)笔记本,更新04中的自定义数据加载代码
  • 2021 年 11 月 18 日 - 更新了 03 的视觉代码,并在 04 中添加了自定义数据集加载代码
  • 12 Nov 2021 - 在笔记本04中添加了一堆骨架代码,用于自定义数据集加载,接下来是使用自定义数据建模
  • 10 Nov 2021 - 研究04自定义数据集的最佳实践
  • 9 Nov 2021 - 更新 03 框架代码以完成生成 CNN 模型,并添加到 04 上以加载自定义数据集
  • 2021 年 11 月 4 日 - 将 GPU 代码添加到 03 + 训练/测试循环 +
    helper_functions.py
  • 2021 年 11 月 3 日 - 添加 03 的基本开始,将在周末结束前完成
  • 29 Oct 2021 - 整理了02的骨架代码,还有一些东西需要清洁/整洁,创建了03
  • 28 Oct 2021 - 完成02的骨架代码,明天将进行清洁/整理,下周将进行3
  • 27 Oct 2021 - 为02添加一堆代码,明天/周末完成
  • 26 Oct 2021 - 更新 00, 01, 02 与大纲/代码, 骨架代码 00 & 01 完成, 02 下一个
  • 2021 年 10 月 23、24 日 - 使用更多大纲/代码更新 00 和 01 笔记本
  • 20 Oct 2021 - 为01和02添加v0大纲,当然在README中添加粗略大纲,本课程将专注于更少但更好
  • 19 Oct 2021 - 开始存储库 🔥 ,添加基础知识笔记本草稿v0