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，从 0 到 1，快速上手 PyTorch。文章底部附下载地址。

你将获得
PyTorch 核心原理与应用详解
5 大实战模块，吃透 PyTorch
8 个核心模型训练要点
10 年老兵的深度 / 机器学习心法
课程介绍
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。

PyTorch深度学习实战/
├──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