这是我学习 PyTorch 的笔记对应的代码，点击查看 PyTorch 笔记在线电子书
这个仓库汇总了我在学习 PyTorch 过程中记录的学习笔记，包括 **25** 篇文章，是我在学习 **PyTorch** 期间记录的内容，点击查看在线电子书：[https://pytorch.zhangxiann.com/](https://pytorch.zhangxiann.com/)。 学习笔记的结构遵循课程的顺序，共分为 8 周，循序渐进，力求通俗易懂。 ## 代码 配套代码：[https://github.com/zhangxiann/PyTorch_Practice](https://github.com/zhangxiann/PyTorch_Practice) 所有代码均在 PyCharm 中经过测试，建议通过 git 克隆到本地运行。 ## 数据 由于代码中会使用一些第三方的数据集，这里提供百度云的下载地址（如果有其他更好的数据托管方式，欢迎告诉我）。 数据下载地址： 链接：https://pan.baidu.com/s/1f9wQM7gvkMVx2x5z6xC9KQ 提取码：w7xt ## 面向读者 本教程假定您具备一定的机器学习和深度学习基础。 如果您没有学习过机器学习或深度学习，建议先观看 Andrew Ng 的《深度学习》课程，课程地址：[https://mooc.study.163.com/university/deeplearning_ai#/c](https://mooc.study.163.com/university/deeplearning_ai#/c)。 然后再学习本教程，效果会更好。 ## 学习计划 这份学习笔记共 25 章，分为 8 周进行，每周大约 3 章（当然你可以根据自己的进度调整），每章花费的时间约为 30 分钟到 2 个小时之间。 目录大纲如下： - **Week 1 (基本概念)** - [1.1 PyTorch 简介与安装](https://zhuanlan.zhihu.com/p/185037101) - [1.2 Tensor(张量)介绍](https://zhuanlan.zhihu.com/p/187564399) - [1.3 张量操作与线性回归](https://zhuanlan.zhihu.com/p/189952916) - [1.4 计算图与动态图机制](https://zhuanlan.zhihu.com/p/191648279) - [1.5 autograd 与逻辑回归](https://zhuanlan.zhihu.com/p/191652343) - **Week 2 (图片处理与数据加载)** - [2.1 DataLoader 与 DataSet](https://zhuanlan.zhihu.com/p/197888612) - [2.2 图片预处理 transforms 模块机制](https://zhuanlan.zhihu.com/p/200866666) - [2.3 二十二种 transforms 图片数据预处理方法](https://zhuanlan.zhihu.com/p/200876072) - **Week 3 (模型构建)** - [3.1 模型创建步骤与 nn.Module](https://zhuanlan.zhihu.com/p/203405689) - [3.2 卷积层](https://zhuanlan.zhihu.com/p/206427963) - [3.3 池化层、线性层和激活函数层](https://zhuanlan.zhihu.com/p/208259650) - **Week 4 (模型训练)** - [4.1 权值初始化](https://zhuanlan.zhihu.com/p/210137182) - [4.2 损失函数](https://zhuanlan.zhihu.com/p/212691653) - [4.3 优化器](https://zhuanlan.zhihu.com/p/213824542) - **Week 5 (可视化)
暂无开放 Issues，或尚未同步最近议题。