《PyTorch深度学习实践》笔记

项目动机

《PyTorch深度学习实践》课程是由刘洪普（刘二大人）老师(河北工业大学人工智能与数据科学学院教师)所讲授的PyTorch实践课程，在深度学习初学者中广泛流传。本项目总结了此课程的学习笔记，我们将所有的笔记开源，在自己学习的同时，希望也能帮助到他人，方便大家快速学习PyTorch入门以及复习回顾。笔记中关于深度学习算法等前置课程知识有所简略，重点集中于PyTorch的实践部分。

本项目的特色：

1. 笔记与原课程视频对应，方便大家快速学习理解。
2. 笔记包含代码样例，帮助大家快速上手实践。

课程视频共13节，单个视频平均时长不超过60分钟，预计一周可以学习完毕。
由于我们的水平有限，如有错误与疏漏，还望谅解，有任何问题欢迎随时指出，我们会进行更正，谢谢大家。
本项目所用徽章来自互联网，如侵犯了您的图片版权请联系我们删除，谢谢。

课程简介

PyTorch是一个基于Torch的Python的开源机器学习框架，其具有强大的张量计算GPU加速、可以实现包含自动求导系统的神经网络搭建等功能。其代码简洁直观、易于理解，目前PyTorch框架在学术以及工业界得到了广泛应用，备受机器学习研究者的青睐。

参考资源

• B站课程视频：深度学习实践
• 课程主页：深度学习实践
• PyTorch官方教程：PyTorch Tutorial

笔记

章节	视频	笔记	讲义	代码
1.引言		笔记-计算图	讲义-引言
2.线性模型			讲义-线性模型
3.梯度下降法		笔记-梯度下降法	讲义-梯度下降法
4.反向传播			讲义-反向传播
5.Pytorch实现线性回归		笔记-PyTorch实现线性回归	讲义-PyTorch实现线性回归	代码-PyTorch实现线性回归
6.逻辑斯蒂回归		笔记-逻辑斯蒂回归	讲义-逻辑斯蒂回归	代码-逻辑斯蒂回归
7.处理多维特征的输入			讲义-处理多维特征的输入
8.加载数据集		笔记-加载数据集	讲义-加载数据集	代码-加载数据集
9.多分类问题		笔记-多分类问题	讲义-多分类问题	代码-多分类问题
10.卷积神经网络（基础篇）		笔记-卷积神经网络（基础篇）	讲义-卷积神经网络（基础篇）	代码-卷积神经网络（基础篇）
11.卷积神经网络（高级篇）		笔记-卷积神经网络（高级篇）	讲义-卷积神经网络（高级篇）	代码-卷积神经网络（高级篇）
12.循环神经网络（基础篇）		笔记-循环神经网络（基础篇）	讲义-循环神经网络（基础篇）	代码-循环神经网络（基础篇）
13.循环神经网络（高级篇）		笔记-循环神经网络（高级篇）	讲义-循环神经网络（高级篇）	代码-循环神经网络（高级篇）

文件夹说明

• codes：代码
• handouts：讲义
• notes: 笔记
• imgs：项目中的图片

组织者

感谢以下同学对本项目的组织

贡献者

感谢以下同学对本项目的支持与贡献