Дълбоко обучение с PyTorch
Тензори, autograd, модели, данни, обучение в Google Colab, оптимизатори, регуляризация и трансферно обучение.
15 урока · около 330 минНОИИIOAIНужно: Невронни мрежи от нулата
Първо завърши: Невронна мрежа от нулата
- 1
Въведение в PyTorch
Тензори, autograd, nn.Module и цикъл на обучение
35 мин Заключен
- 2
Тензори
Форми, типове, устройства и връзката с NumPy
20 мин Заключен
- 3
Autograd отвътре
Как PyTorch пресмята градиенти: изграждаме мини autograd в Python
20 мин Заключен
- 4
Модели с nn.Module
Слоеве, параметри и собствени модели
20 мин Заключен
- 5
Dataset и DataLoader
Как данните стигат до модела на партиди
20 мин Заключен
- 6
Видеокарта и Google Colab
Безплатна видеокарта, файлове и как да не загубиш работата си
15 мин Заключен
- 7
Таблични данни с PyTorch
Числа, категории с embeddings и кога изобщо си струва
20 мин Заключен
- 8
Запазване и зареждане
state_dict, контролни точки и предсказване по-късно
15 мин Заключен
- 9
Оптимизатори, scheduler и ограничаване на градиента
AdamW, weight decay, OneCycle и gradient clipping
20 мин Заключен
- 10
Отстраняване на проблеми в обучението
train() и eval(), NaN, течове на памет и проверки на формите
20 мин Заключен
- 11
Регуляризация в практиката
Weight decay, dropout, аугментация, ранно спиране и label smoothing
20 мин Заключен
- 12
Embedding слоеве
Таблица с научени вектори и как се обучава
20 мин Заключен
- 13
Трансферно обучение в PyTorch
Готов модел, замразени слоеве и нова глава
20 мин Заключен
- 14
По-бързо обучение
Размер на партидата, смесена точност и къде се губи времето
20 мин Заключен
- 15
Проект: класификатор на дрехи в Colab
Fashion-MNIST: от данните до submission.csv
45 мин Заключен
Изпит на курса
Отключва се, когато завършиш всички уроци.