PyTorch入门到项目实战

主要记录如何使用PyTorch实现深度学习笔记，以沐神动手学深度学习内容为基础，介绍如何从最基本的Pytorch应用到构建复杂神经网络模型

2024-08-13

分享

收藏

目录

【深度学习】:PyTorch:数据操作和自动求导【深度学习】: PyTorch从零实现线性回归【深度学习】：《PyTorch入门到项目实战》第三天：简洁代码实现线性神经网络（附代码）【深度学习】：《PyTorch入门到项目实战》从0到1实现logistic回归【深度学习】：《PyTorch入门到项目实战》第五天：从0到1实现Softmax回归【深度学习】：《PyTorch入门到项目实战》第六天：多层感知机（含代码）【深度学习】：《100天一起学习PyTorch》模型评估和选择（上）：欠拟合和过拟合【深度学习】：《PyTorch入门到项目实战》第八天：权重衰退（含源码）【深度学习】：《PyTorch入门到项目实战》第九天:Dropout实现【深度学习】：《PyTorch入门到项目实战》第10天：梯度爆炸、梯度消失、梯度检验【深度学习】：《PyTorch入门到项目实战》（十一）：卷积层【深度学习】：《PyTorch入门到项目实战》（十二）填充(padding)和步幅(stride) 池化层（Pooling layers） NiN（Network in Network）和1×1卷积 GoogLeNet（附Pytorch源码）三大经典卷积神经网络架构：LeNet、AlexNet、VGG（代码实现及案例比较）残差网络(ResNets)（Residual Networks (ResNet)）