深度学习入门之PyTorch

Learn Deep Learning with PyTorch

非常感谢您能够购买此书，这个github repository包含有深度学习入门之PyTorch的实例代码。由于本人水平有限，在写此书的时候参考了一些网上的资料，在这里对他们表示敬意。由于深度学习的技术在飞速的发展，同时PyTorch也在不断更新，且本人在完成此书的时候也有诸多领域没有涉及，所以这个repository会不断更新作为购买次书的一个后续服务，希望我能够在您深度学习的入门道路上提供绵薄之力。

注意：由于PyTorch版本更迭，书中的代码可能会出现bug，所以一切代码以该github中的为主。

配置环境

书中已经详细给出了如何基于Anaconda配置python环境，以及PyTorch的安装，如果你使用自己的电脑，并且有Nvidia的显卡，那么你可以愉快地进入深度学习的世界了，如果你没有Nvidia的显卡，那么我们需要一个云计算的平台来帮助我们学习深度学习之旅。如何配置aws计算平台

以下的课程目录和书中目录有出入，因为内容正在更新到第二版，第二版即将上线！！

课程目录

part1: 深度学习基础

Chapter 2: PyTorch基础
Chapter 3: 神经网络
- 线性模型与梯度下降
- Logistic 回归与优化器
- 多层神经网络，Sequential 和 Module
- 深层神经网络
- 参数初始化方法
- 优化算法
  - SGD
  - 动量法
  - Adagrad
  - RMSProp
  - Adadelta
  - Adam
Chapter 4: 卷积神经网络
- PyTorch 中的卷积模块
- 批标准化，batch normalization
- 使用重复元素的深度网络，VGG
- 更加丰富化结构的网络，GoogLeNet
- 深度残差网络，ResNet
- 稠密连接的卷积网络，DenseNet
- 更好的训练卷积网络
Chapter 5: 循环神经网络
- 循环神经网络模块：LSTM 和 GRU
- 使用 RNN 进行图像分类
- 使用 RNN 进行时间序列分析
- 自然语言处理的应用：
Chapter 6: 生成对抗网络
- 自动编码器
- 变分自动编码器
- 生成对抗网络
- 深度卷积对抗网络 (DCGANs) 生成人脸
Chapter 7: 深度强化学习
Chapter 8: PyTorch高级
- tensorboard 可视化
- 灵活的数据读取介绍
- autograd.function 的介绍
- 数据并行和多 GPU
- 使用 ONNX 转化为 Caffe2 模型
- 如何部署训练好的神经网络
- 打造属于自己的 PyTorch 的使用习惯

part2: 深度学习的应用

Chapter 9: 计算机视觉
- Fine-tuning: 通过微调进行迁移学习
- kaggle初体验:猫狗大战
- 语义分割: 通过 FCN 实现像素级别的分类
- Pixel to Pixel 生成对抗网络
- Neural Transfer: 通过卷积网络实现风格迁移
- Deep Dream: 探索卷积网络眼中的世界
Chapter 10: 自然语言处理
- Char RNN 实现文本生成
- Image Caption: 实现图片字幕生成
- seq2seq 实现机器翻译
- cnn + rnn + attention 实现文本识别