# PyTorch_Practice **Repository Path**: zdevt/PyTorch_Practice ## Basic Information - **Project Name**: PyTorch_Practice - **Description**: No description available - **Primary Language**: Python - **License**: GPL-3.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2022-01-29 - **Last Updated**: 2024-01-12 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # PyTorch 学习笔记

GitHub Website

这个仓库是我学习 PyTorch 过程中所记录的学习笔记汇总，包括 **25** 篇文章，是我学习 **PyTorch** 期间所记录的内容，点击查看在线电子书：[https://pytorch.zhangxiann.com/](https://pytorch.zhangxiann.com/)。 学习笔记的结构遵循课程的顺序，共分为 8 周，循序渐进，**力求通俗易懂**。 ## 代码 配套代码：[https://github.com/zhangxiann/PyTorch_Practice](https://github.com/zhangxiann/PyTorch_Practice) 所有代码均在 PyCharm 中通过测试，建议通过 git 克隆到本地运行。 ## 数据 由于代码中会用到一些第三方的数据集，这里给出百度云的下载地址（如果有其他更好的数据托管方式，欢迎告诉我）。 数据下载地址： 链接：https://pan.baidu.com/s/1f9wQM7gvkMVx2x5z6xC9KQ 提取码：w7xt ## 面向读者 本教程假定读你有一定的机器学习和深度学习基础。 如果你没有学习过机器学习或者深度学习，建议先观看 Andrew ng 的深度学习（Deep Learning）课程，课程地址： [https://mooc.study.163.com/university/deeplearning_ai#/c](https://mooc.study.163.com/university/deeplearning_ai#/c)。 然后再学习本教程，效果会更佳。 ## 学习计划 这个学习笔记共 25 章，分为 8 周进行的，每周大概 3 章（当然你可以根据自己的进度调整），每章花费的时间约 30 分钟到 2 个小时之间。 目录大纲如下： - **Week 1（基本概念）** - [1.1 PyTorch 简介与安装](https://zhuanlan.zhihu.com/p/185037101) - [1.2 Tensor(张量)介绍](https://zhuanlan.zhihu.com/p/187564399) - [1.3 张量操作与线性回归](https://zhuanlan.zhihu.com/p/189952916) - [1.4 计算图与动态图机制](https://zhuanlan.zhihu.com/p/191648279) - [1.5 autograd 与逻辑回归](https://zhuanlan.zhihu.com/p/191652343) - **Week 2（图片处理与数据加载）** - [2.1 DataLoader 与 DataSet](https://zhuanlan.zhihu.com/p/197888612) - [2.2 图片预处理 transforms 模块机制](https://zhuanlan.zhihu.com/p/200866666) - [2.3 二十二种 transforms 图片数据预处理方法](https://zhuanlan.zhihu.com/p/200876072) - **Week 3（模型构建）** - [3.1 模型创建步骤与 nn.Module](https://zhuanlan.zhihu.com/p/203405689) - [3.2 卷积层](https://zhuanlan.zhihu.com/p/206427963) - [3.3 池化层、线性层和激活函数层](https://zhuanlan.zhihu.com/p/208259650) - **Week 4（模型训练）** - [4.1 权值初始化](https://zhuanlan.zhihu.com/p/210137182) - [4.2 损失函数](https://zhuanlan.zhihu.com/p/212691653) - [4.3 优化器](https://zhuanlan.zhihu.com/p/213824542) - **Week 5（可视化与 Hook）** - [5.1 TensorBoard 介绍](https://zhuanlan.zhihu.com/p/217415374) - [5.2 Hook 函数与 CAM 算法](https://zhuanlan.zhihu.com/p/222496848) - **Week 6（正则化）** - [6.1 weight decay 和 dropout](https://zhuanlan.zhihu.com/p/225606205) - [6.2 Normalization](https://zhuanlan.zhihu.com/p/232487440) - **Week 7（模型其他操作）** - [7.1 模型保存与加载](https://zhuanlan.zhihu.com/p/245645490) - [7.2 模型 Finetune](https://zhuanlan.zhihu.com/p/245652282) - [7.3 使用 GPU 训练模型](https://zhuanlan.zhihu.com/p/254738836) - **Week 8（实际应用）** - [8.1 图像分类简述与 ResNet 源码分析](https://zhuanlan.zhihu.com/p/254761587) - [8.2 目标检测简介](https://zhuanlan.zhihu.com/p/259494709) - [8.3 GAN（生成对抗网络）简介](https://zhuanlan.zhihu.com/p/258321589) - [8.4 手动实现 RNN](https://zhuanlan.zhihu.com/p/263531494)