当前位置: 首页 > 科技观察

PyTorch官方培训教程上线:从基本概念到实操,小白也能上手

时间:2023-03-12 10:12:10 科技观察

PyTorch官方培训课程上线:从基础概念到实战,新手也能上手得救了!PyTorch正式推出带你飞翔的培训课程!本课程首先介绍PyTorch的基本概念。小白一步步阅读,毫无压力,带你建模、训练、部署。只需八门课程,您就可以真正开始使用PyTorch!既然这么强大,那就一起来体验一下本教程吧~课程大纲1.PyTorch入门虽然这门课程比较实用,但是官方还是很友好的默认大家是新手,从基本概念开始逐步介绍。2.PyTorch张量介绍在第二门课程中,正式介绍了概念:Tensor(张量)是PyTorch的核心,类似于NumPy的ndarrays,代表多维矩阵。PyTorch中的张量可以在GPU上运行,运算速度大大加快。具体课程如下:创建PyTorchTensors数学或逻辑应用Tensor复制如何转移到GPU操作张量形状PyTorch-NumpyBridge教程给出了很多张量操作的典型例子:比如创建一个介于-1和1之间的值的随机张量的,它可以取其绝对值,使得所有结果值为正;它的反正弦可以被接受,因为值介于-1和1之间并返回角度.此外,PyTorch中的张量还可以进行线性代数运算,例如行列式或奇异值分解;数据统计、汇总、计算均值、标准差、最大值、最小值等也很容易。3.自动推导机制自动推导是PyTorch能够快速运行的重要原因,它可以在深度学习中构建灵活的框架。基于反向传播的机器学习也可以由梯度计算驱动。具体课程如下:为什么要用自动推导?典型案例演示模型训练中的自动推导UsingAutomaticDerivationAutomaticDerivationAnalysisAdvancedAPI在具体的例子中,教程使用了一个简单的递归神经网络或RNN来进行演示。4.构建模型具体课程:模块和参数的常用神经网络层类型其他层和函数本教程以字母识别模型为例,首先展示如何构建神经网络:构建网络后,将其转化为代码你已经完成了模型构建。5.PyTorchTensorBoardsupport具体课程:TensorBoardVisualizationDrawingScalar&VisualizationTrainingModelVisualization这一步使用embedding可视化数据集。在教程中,该模型用于一个简单的训练:识别不同类型的服装。通过跟踪训练将数据可视化,然后使用TensorBoard查看模型本身,进一步可视化数据及其内部关系。6.训练模型具体课程:ModelingwithTorch.NNAutomaticgradientcalculationLearningTensorBoardvisualization7.使用Captum探索PyTorch模型的可解释性Captum是一个模型解释库,它提供了很多新的算法(例如:ResNet,BERT,一些语义分割网络等)提供可解释性。它可以帮助我们更好地理解有助于模型预测结果的特定特征、神经元和神经网络层。具体课程:基本概念、特例、层属性示例、使用Captum&Captuminsights探索模型的可解释性8.模型部署推理具体课程:PyTorch模型评估TorchScriptTorchScript&C++TorchServe部署的最后一步是实施上面构建的模型Evaluate。传送门PyTorch官方教程:https://www.youtube.com/channel/UCWXI5YeOsh03QvJ59PMaXFw/videos如果纯英文教程有难度,可以参考b站中文版(@爱可可爱-爱生活):https:///www.bilibili.com/video/BV1qh411U73y?p=1和中文文本教程:https://pytorch-cn.readthedocs.io/zh/latest/notes/extending/#pytorch