课程目录

• 章节1：PyTorch运行环境安装_运行环境测试
• 1：PyTorch概述_
• 2：PyTorch的安装_
• 3：Pycharm关联PyTorch运行环境_
• 4：Jupyter关联PyTorch运行环境_
• 章节2：PyTorch基础_Tensor张量运算
• 5：Tensor的创建_
• 6：修改Tensor的形状_索引操作_
• 7：广播机制_逐元素操作_
• 8：归并操作_比较操作_矩阵操作_
• 章节3：PyTorch卷积神经网络_实战CIFAR10
• 10：PyTorch实战CIFAR10_构建网络_打印网络层次_
• 11：PyTorch实战CIFAR10_训练模型_测试模型_
• 12：PyTorch实战CIFAR10_分类别打印模型准确率_
• 13：使用全局平均池化_使用LeNet模型_
• 14：使用集成学习思想训练识别模型_
• 15：使用VGG16模型提供准确率_
• 16：torchvision里面的预训练模型_
• 17：迁移学习_PyTorch代码实战冻结预训练模型参数_
• 18：PyTorch代码实战加入数据增强_
• 9：PyTorch实战CIFAR10数据_读取和展示_
• 章节4：PyTorch循环神经网络_词性标注
• 19：PyTorch词性标注_构建数据和词索引号_
• 20：PyTorch词性标注_构建词嵌入层LSTM层和词性输出层_
• 21：PyTorch词性标注_构建数据索引化和训练模型代码_
• 22：PyTorch词性标注_测试模型效果_
• 章节5：PyTorch编码器解码器_机器翻译
• 23：PyTorch中英文翻译_规范化语料库_构建中英文词典索引_
• 24：PyTorch中英文翻译_数据预处理_
• 25：PyTorch中英文翻译_索引化数据_转化成Tensor张量_构建Encoder编码器_
• 26：PyTorch中英文翻译_构建训练函数之Encoder计算_
• 27：PyTorch中英文翻译_构建带Attention注意力机制的Decoder解码器_
• 28：PyTorch中英文翻译_构建训练函数之Decoder计算_
• 29：PyTorch中英文翻译_评估模型函数_
• 30：PyTorch中英文翻译_绘制Attentions注意力权重_
• 代码
• 资料