极客时间-PyTorch 深度学习实战

本课程为极客时间-PyTorch 深度学习实战，文章底部附下载地址。PyTorch 框架发展迅猛，仅用了一年多的时间，几乎占据深度学习框架的半壁江山。

如果你即将进入，或者已经进入了深度学习、机器学习这些相关领域，PyTorch 能够帮你实现模型和算法，快速完成深度学习模型部署，提供高并发服务，还可以轻松实现图像生成、文本分析、情感分析这样有趣的实验。另外，很多算法相关岗位，也同样需要熟练使用 PyTorch。

这意味着，一旦你掌握了 PyTorch，就相当于走上了深度学习与机器学习的快车道。

但想要快速入门、上手 PyTorch，也面临这样一些挑战：

缺乏系统资料：网上的学习资料良莠不齐，缺乏科学的学习路径；无法进阶深入：张量、神经网络等前置知识需求多，深入理解 PyTorch 原理门槛高；难以落地实践：各种函数、参数多且难记忆，真正实践不知从何下手。基于此，方远老师将结合自己丰富的实战经验，为你呈现一套系统完整的 PyTorch 技术学习框架（基于 PyTorch 1.9.0 版本），让你从原理到项目一站式攻克学习难题，熟练掌握 PyTorch 框架，解决实际问题。

课程设计遵循由浅入深的原则，整个专栏共分为以下三个模块：基础篇：夯实基础，详解 PyTorch 基础知识。通过这部分内容，你将学习 PyTorch 中两大重要知识点—— NumPy 与 Tensor 的用法。模型训练篇：带你快速掌握一个框架。结合深度学习模型训练的一系列流程，为你详解自动求导机制、网络搭建、模型参数更新、保存与加载模型、训练过程可视化、分布式训练等等关键模块，带你具体看看 PyTorch 为我们提供怎样的帮助。通过这部分内容，你就能基于 PyTorch 搭建网络模型了。实战篇：结合当下最流行的图像与自然语言处理任务，串连前面两个模块的内容，为你深入讲解 PyTorch 如何解决实际问题，如图像分割、情感分析、文本分类等等。

├──01-开篇词(1讲) 

|   ├──开篇词丨如何高效入门PyTorch？[www.ziyuantop.com].html  1.83M

|   ├──开篇词丨如何高效入门PyTorch？[www.ziyuantop.com].m4a  7.81M

|   └──开篇词丨如何高效入门PyTorch？[www.ziyuantop.com].pdf  2.67M

├──02-基础篇(3讲) 

|   ├──01丨PyTorch：网红中的顶流明星[www.ziyuantop.com].html  4.37M

|   ├──01丨PyTorch：网红中的顶流明星[www.ziyuantop.com].m4a  9.96M

|   ├──01丨PyTorch：网红中的顶流明星[www.ziyuantop.com].pdf  5.22M

|   ├──02丨NumPy（上）：核心数据结构详解[www.ziyuantop.com].html  2.62M

|   ├──02丨NumPy（上）：核心数据结构详解[www.ziyuantop.com].m4a  12.84M

|   ├──02丨NumPy（上）：核心数据结构详解[www.ziyuantop.com].pdf  3.56M

|   ├──03丨NumPy（下）：深度学习中的常用操作[www.ziyuantop.com].html  2.51M

|   ├──03丨NumPy（下）：深度学习中的常用操作[www.ziyuantop.com].m4a  12.48M

|   ├──03丨NumPy（下）：深度学习中的常用操作[www.ziyuantop.com].pdf  2.12M

|   ├──04丨Tensor：PyTorch中最基础的计算单元[www.ziyuantop.com].html  1.94M

|   ├──04丨Tensor：PyTorch中最基础的计算单元[www.ziyuantop.com].m4a  11.98M

|   ├──04丨Tensor：PyTorch中最基础的计算单元[www.ziyuantop.com].pdf  2.42M

|   ├──05丨Tensor变形记：快速掌握Tensor切分、变形等方法[www.ziyuantop.com].html  4.22M

|   ├──05丨Tensor变形记：快速掌握Tensor切分、变形等方法[www.ziyuantop.com].m4a  11.29M

|   └──05丨Tensor变形记：快速掌握Tensor切分、变形等方法[www.ziyuantop.com].pdf  3.59M

├──03-模型训练篇 (2讲) 

|   ├──06丨Torchvision（上）：数据读取，训练开始的第一步[www.ziyuantop.com].html  2.74M

|   ├──06丨Torchvision（上）：数据读取，训练开始的第一步[www.ziyuantop.com].m4a  9.63M

|   ├──06丨Torchvision（上）：数据读取，训练开始的第一步[www.ziyuantop.com].pdf  4.05M

|   ├──07丨Torchvision（中）：数据增强，让数据更加多样性[www.ziyuantop.com].html  2.64M

|   ├──07丨Torchvision（中）：数据增强，让数据更加多样性[www.ziyuantop.com].m4a  11.00M

|   ├──07丨Torchvision（中）：数据增强，让数据更加多样性[www.ziyuantop.com].pdf  2.89M

|   ├──08丨Torchvision（下）：其他有趣的功能[www.ziyuantop.com].html  3.24M

|   ├──08丨Torchvision（下）：其他有趣的功能[www.ziyuantop.com].m4a  10.30M

|   ├──08丨Torchvision（下）：其他有趣的功能[www.ziyuantop.com].pdf  4.45M

|   ├──09丨卷积（上）：计算机的眼睛[www.ziyuantop.com].html  2.51M

|   ├──09丨卷积（上）：计算机的眼睛[www.ziyuantop.com].m4a  11.44M

|   ├──09丨卷积（上）：计算机的眼睛[www.ziyuantop.com].pdf  3.19M

|   ├──10丨卷积（下）：计算机的眼睛[www.ziyuantop.com].html  4.07M

|   ├──10丨卷积（下）：计算机的眼睛[www.ziyuantop.com].m4a  10.37M

|   ├──10丨卷积（下）：计算机的眼睛[www.ziyuantop.com].pdf  4.70M

|   ├──11丨损失函数：如何帮助模型学会“自省”？[www.ziyuantop.com].html  4.61M

|   ├──11丨损失函数：如何帮助模型学会“自省”？[www.ziyuantop.com].m4a  10.71M

|   ├──11丨损失函数：如何帮助模型学会“自省”？[www.ziyuantop.com].pdf  5.06M

|   ├──12丨计算梯度：网络的前向与反向传播[www.ziyuantop.com].html  2.49M

|   ├──12丨计算梯度：网络的前向与反向传播[www.ziyuantop.com].m4a  9.11M

|   ├──12丨计算梯度：网络的前向与反向传播[www.ziyuantop.com].pdf  3.19M

|   ├──13丨优化方法：更新模型参数的方法[www.ziyuantop.com].html  6.83M

|   ├──13丨优化方法：更新模型参数的方法[www.ziyuantop.com].m4a  8.90M

|   ├──13丨优化方法：更新模型参数的方法[www.ziyuantop.com].pdf  5.30M

|   ├──14丨构建网络：一站式实现模型搭建与训练[www.ziyuantop.com].html  3.40M

|   ├──14丨构建网络：一站式实现模型搭建与训练[www.ziyuantop.com].m4a  11.18M

|   ├──14丨构建网络：一站式实现模型搭建与训练[www.ziyuantop.com].pdf  7.80M

|   ├──15丨可视化工具：如何实现训练的可视化监控？[www.ziyuantop.com].html  3.19M

|   ├──15丨可视化工具：如何实现训练的可视化监控？[www.ziyuantop.com].m4a  7.85M

|   ├──15丨可视化工具：如何实现训练的可视化监控？[www.ziyuantop.com].pdf  3.56M

|   ├──16丨分布式训练：如何加速你的模型训练？[www.ziyuantop.com].html  3.29M

|   ├──16丨分布式训练：如何加速你的模型训练？[www.ziyuantop.com].m4a  11.83M

|   ├──16丨分布式训练：如何加速你的模型训练？[www.ziyuantop.com].pdf  3.24M

|   ├──加餐丨机器学习其实就那么几件事[www.ziyuantop.com].html  1.60M

|   ├──加餐丨机器学习其实就那么几件事[www.ziyuantop.com].m4a  7.33M

|   └──加餐丨机器学习其实就那么几件事[www.ziyuantop.com].pdf  2.52M

├──04-实战篇(1讲) 

|   ├──17丨图像分类（上）：图像分类原理与图像分类模型[www.ziyuantop.com].html  5.35M

|   ├──17丨图像分类（上）：图像分类原理与图像分类模型[www.ziyuantop.com].m4a  11.66M

|   ├──17丨图像分类（上）：图像分类原理与图像分类模型[www.ziyuantop.com].pdf  6.39M

|   ├──18丨图像分类（下）：如何构建一个图像分类模型€[www.ziyuantop.com].m4a  10.61M

|   ├──18丨图像分类（下）：如何构建一个图像分类模型_[www.ziyuantop.com].html  4.30M

|   ├──18丨图像分类（下）：如何构建一个图像分类模型_[www.ziyuantop.com].pdf  8.15M

|   ├──19丨图像分割（上）：详解图像分割原理与图像分割模型[www.ziyuantop.com].html  7.17M

|   ├──19丨图像分割（上）：详解图像分割原理与图像分割模型[www.ziyuantop.com].m4a  7.96M

|   ├──19丨图像分割（上）：详解图像分割原理与图像分割模型[www.ziyuantop.com].pdf  8.76M

|   ├──20丨图像分割（下）：如何构建一个图像分割模型？[www.ziyuantop.com].html  10.10M

|   ├──20丨图像分割（下）：如何构建一个图像分割模型？[www.ziyuantop.com].m4a  9.07M

|   ├──20丨图像分割（下）：如何构建一个图像分割模型？[www.ziyuantop.com].pdf  12.02M

|   ├──21丨NLP基础（上）：详解自然语言处理原理与常用算法[www.ziyuantop.com].html  3.56M

|   ├──21丨NLP基础（上）：详解自然语言处理原理与常用算法[www.ziyuantop.com].m4a  11.02M

|   ├──21丨NLP基础（上）：详解自然语言处理原理与常用算法[www.ziyuantop.com].pdf  3.77M

|   ├──22丨NLP基础（下）：详解语言模型与注意力机制[www.ziyuantop.com].html  2.68M

|   ├──22丨NLP基础（下）：详解语言模型与注意力机制[www.ziyuantop.com].m4a  9.37M

|   ├──22丨NLP基础（下）：详解语言模型与注意力机制[www.ziyuantop.com].pdf  3.84M

|   ├──23丨情感分析：如何使用LSTM进行情感分析？[www.ziyuantop.com].html  5.24M

|   ├──23丨情感分析：如何使用LSTM进行情感分析？[www.ziyuantop.com].m4a  8.40M

|   ├──23丨情感分析：如何使用LSTM进行情感分析？[www.ziyuantop.com].pdf  6.14M

|   ├──24丨文本分类：如何使用BERT构建文本分类模型？[www.ziyuantop.com].html  2.50M

|   ├──24丨文本分类：如何使用BERT构建文本分类模型？[www.ziyuantop.com].m4a  7.19M

|   ├──24丨文本分类：如何使用BERT构建文本分类模型？[www.ziyuantop.com].pdf  3.98M

|   ├──25丨摘要：如何快速实现自动文摘生成？[www.ziyuantop.com].html  1.99M

|   ├──25丨摘要：如何快速实现自动文摘生成？[www.ziyuantop.com].m4a  6.20M

|   └──25丨摘要：如何快速实现自动文摘生成？[www.ziyuantop.com].pdf  2.08M

└──05-结束语(1讲) 

|   ├──结束语丨人生充满选择，选择与努力同样重要[www.ziyuantop.com].html  3.03M

|   ├──结束语丨人生充满选择，选择与努力同样重要[www.ziyuantop.com].m4a  4.47M

|   └──结束语丨人生充满选择，选择与努力同样重要[www.ziyuantop.com].pdf  3.77M