深入学习PyTorch神经网络教程，涵盖从基础概念到高级技术的全面内容。探索人工神经网络与生物神经网络的对比，理解梯度下降和激励函数的原理。掌握回归、分类、CNN、RNN、LSTM、自编码器、DQN和GAN等多种神经网络模型的实现。学习如何优化训练过程，包括批数据训练、优化器使用和GPU加速。深入理解PyTorch的动态特性，并学习如何处理过拟合问题和应用批标准化技术。通过5小时的深度学习，全面提升您的神经网络编程技能。
Overview
Syllabus
科普: 人工神经网络 VS 生物神经网络.
什么是神经网络 (机器学习) what is neural network in machine learning.
神经网络 : 梯度下降 (Gradient Descent in Neural Nets).
科普: 神经网络的黑盒不黑 (深度理解神经网络).
#1.1 Why? (PyTorch tutorial 神经网络 教学).
#1.2 安装 (PyTorch tutorial 神经网络 教学).
#2.1 Numpy Torch 对比 (PyTorch tutorial 神经网络 教学).
#2.2 Variable 变量 (PyTorch tutorial 神经网络 教学).
什么是激励函数 (深度学习)? Why need activation functions (deep learning)?.
#2.3 Activation Function 激励函数 (PyTorch tutorial 神经网络 教学).
#3.1 Regression 回归 (PyTorch tutorial 神经网络 教学).
#3.2 Classification 分类 (PyTorch tutorial 神经网络 教学).
#3.3 快速搭建法 (PyTorch tutorial 神经网络 教学).
#3.4 保存提取 (PyTorch tutorial 神经网络 教学).
#3.5 批数据训练 (PyTorch tutorial 神经网络 教学).
优化器 Optimizer 加速神经网络训练 (深度学习) Speed up neural network training process (deep learning).
#3.6 Optimizer 优化器 (PyTorch tutorial 神经网络 教学).
什么是卷积神经网络 CNN (深度学习)? What is Convolutional Neural Networks (deep learning)?.
#4.1 CNN 卷积神经网络 (PyTorch tutorial 神经网络 教学).
什么是循环神经网络 RNN (深度学习)? What is Recurrent Neural Networks (deep learning)?.
什么是 LSTM RNN 循环神经网络 (深度学习)? What is LSTM in RNN (deep learning)?.
#4.2 RNN 循环神经网络 分类 (PyTorch tutorial 神经网络 教学).
#4.3 RNN 循环神经网络 回归 (PyTorch tutorial 神经网络 教学).
什么是自编码 Autoencoder (深度学习)? What is an Autoencoder in Neural Networks (deep learning)?.
#4.4 AutoEncoder 自编码 (PyTorch tutorial 神经网络 教学).
什么是 DQN (Reinforcement Learning 强化学习).
#4.5 DQN 强化学习 (PyTorch tutorial 神经网络 教学).
什么是 GAN 生成对抗网络 (深度学习)? What is Generative Adversarial Nets GAN (deep learning)?.
#4.6 GAN 生成对抗网络 (PyTorch tutorial 神经网络 教学).
#5.1 为什么 Pytorch 是动态 Dynamic (PyTorch tutorial 神经网络 教学).
#5.2 GPU 加速 (PyTorch tutorial 神经网络 教学).
什么是过拟合 (深度学习)? What is overfitting (deep learning)?.
#5.3 过拟合 Dropout (PyTorch tutorial 神经网络 教学).
什么是 Batch Normalization 批标准化 (深度学习 deep learning).
#5.4 Batch Normalization 批标准化 (PyTorch tutorial 神经网络 教学).
Taught by
莫烦Python
