趋近智
趋近智
学习PyTorch的基本原理，用于构建和训练深度学习 (deep learning)模型。本课程涵盖张量、自动微分、神经网络 (neural network)模块、数据加载及训练流程。适合具备Python和机器学习 (machine learning)基本知识的开发者和工程师。
先修课程 Python和机器学习基本知识
级别:
张量操作
创建、处理PyTorch张量，并对其执行操作。
自动微分
理解并应用PyTorch的自动求导系统进行梯度计算。
神经网络构建
使用torch.nn模块、层和激活函数构建神经网络。
数据加载
使用PyTorch数据集和数据加载器高效准备和加载数据。
模型训练
为深度学习模型实现完整的训练和评估循环。
模型保存与加载
保存和加载已训练的PyTorch模型及检查点。
基本结构
构建简单的卷积神经网络（CNN）和循环神经网络（RNN）。