Welcome to pytorch!

共71小节

第一章：神经网络

1.01 神经网络之神经元

1.02 神经网络的框架

1.03 神经元个数变化的可视化效果

1.04 感知器

1.05 多层感知器

1.06 偏置及神经网络的框架

1.07 损失函数

1.08 sotfmax交叉熵损失函数

1.09 正则化惩罚

1.10 梯度下降算法最优化的分析

1.11 BP神经网络

1.12 解读ChatGPT参数

第二章：深度学习框架

2.01 深度学习框架

2.02 pytorch安装CPU版本（1）

2.03 pytorch安装GPU版本（2）

2.04 第1个神经网络模型--手写字识别

2.05 数据集下载MNIST--手写字识别

2.06 数据集的可视化--手写字识别

2.07 DataLoader的介绍

2.08 代码实现搭建神经网络模型

2.09 神经网络框架整体流程

2.10 模型训练train

2.11 模型测试代码

2.12 训练结果分析

2.13 最优化Adam

2.14 激活函数relu

第三章：卷积神经网络CNN

3.01 卷积神经网络原理解析

3.02 卷积层

3.03 特征图大小计算方法

3.04 池化层

3.05 感受野及其他卷积神经网络

3.06 卷积神经网络实现手写字识别

3.07 卷积神经网络搭建

3.08 模型训练

3.09 Dataloader使用自己的数据集（1）

3.10 Dataloader使用自己的数据集（2）

3.11 Dataloader加载数据集方式

3.12 getitem__的使用

3.13 数据集打包后的可视化

3.14 修改模型参数

3.15 数据增强

3.16 transforms的使用方法

3.17 保存最优模型

3.18 读取本地模型

3.19 调整学习率

3.20 迁移学习

3.21 resnet残差网络

3.22 resnet18网络的使用

3.23 迁移学习resnet网络

第四章：自然语言处理

4.01 自然语言转换方法

4.02 词嵌入wordembedding

4.03 word2vec模型训练过程(上)

4.04 word2vec模型训练过程(下)

4.05 代码实现word2vec_创建词表vocab

4.06 根据词表转换自然语言

4.07 word2vec训练代码

4.08 word2vec测试及词向量获取

4.09 保存及读取词向量模型npz

4.10 RNN循环神经网络

4.11 LSTM神经网络

4.12 遗忘门输入门输出门

4.13 情感分析项目实战

4.14 创建评论词表vocab(上)

4.15 创建评论词表vocab(下)

4.16 评论中文转换为数值

4.17 数据集分割

4.18 创建可迭代的数据集

4.19 情感分析模型的搭建(上)

4.20 情感分析模型的搭建(下)

4.21 模型训练代码的分解

4.22 测试代码的分解