教程详情
文件下载 | 文件名称：pytorch框架第二期 | 文件大小：2.70 GB |
| 下载声明：本站文件大多来自于网络，仅供学习和研究使用，不得用于商业用途，如有版权问题，请联系博猪！ | ||
| 下载地址： 下载教程 | ||
教程目录：
pytorch第一周作业讲解（1)..ts
pytorch第一周作业讲解（2)..ts
pytorch第一周作业讲解（3)..ts
pytorch第二周作业讲解..ts
开营仪式回放-老师部分.ts
第一周.txt
第一周第一节：pytorch简介与安装.ts
第一周第三节：张量操作与线性回归.ts
第一周第二节：张量简介与创建.ts
第一周第五节：autograd与逻辑回归.ts
第一周第四节：计算图与动态图机制.ts
第三周.txt
第三周第一节课：模型创建步骤与nn.Module.ts
第三周第三节课.ts
第三周第二节课：模型容器与AlexNet构建.ts
第三周第四节课.ts
第二周..txt
第二周第一节课：Dataloader与Dataset..ts
第二周第三节课：transforms..ts
第二周第二节课：transforms与normalize..ts
第二周第四节课：transforms（二）..ts
第五周...txt
第五周第一节.ts
第五周第三节.ts
第五周第二节：TensorBoard简介与安装.ts
第五周第五节.ts
第五周第四节.ts
第六周..txt
第六周第一节.ts
第六周第二节正则化之Dropout.ts
第四周...txt
第四周第一节课：权值初始化.ts
第四周第三节.ts
第四周第二节课.ts
第四周第五节.ts
第四周第四节：优化器(一).ts
任务名称：PyTorch数据读取机制Dataloader与Dataset；数据预处理transforms模块机制
任务简介：学习PyTorch数据读取机制中的两个重要模块Dataloader与Dataset；熟悉数据预处理transforms方法的运行机制
详细说明：
本节第一部分介绍pytorch的数据读取机制，通过一个人民币分类实验来学习pytorch是如何从硬盘中读取数据的，并且深入学习数据读取过程中涉及到的两个模块Dataloader与Dataset
第二部分介绍数据的预处理模块transforms的运行机制，数据在读取到pytorch之后通常都需要对数据进行预处理，包括尺寸缩放、转换张量、数据中心化或标准化等等，这些操作都是通过transforms进行的，所以本节重点学习transforms的运行机制
并介绍数据标准化(Normalize)的使用原理
作业名称（详解）：
1. 采用步进(Step into)的调试方法从 for i, data in enumerate(train_loader) 这一行代码开始，进入到每一个被调用函数，直到进入RMBDataset类中的__getitem__函数，记录从 for循环到RMBDataset的__getitem__所设计的类与函数？
例如：
第一步：for i, data in enumerate(train_loader)
第二步：DataLoader类，__iter__函数
第三步: ***类， ***函数
第n步：RMBDataset类，__getitem__函数
打卡要求：文字简答
2. 训练RMB二分类模型，熟悉数据读取机制，并且从kaggle中下载猫狗二分类训练数据，自己编写一个DogCatDataset，使得pytorch可以对猫狗二分类训练集进行读取。
数据下载：https://www.kaggle.com/c/dogs-vs-cats-redux-kernels-edition/data 或
链接：https://pan.baidu.com/s/16pAXRJtKsOMrKx85Ay0QxA
提取码：wnn6
打卡要求：提供DogCatDataset代码的实现截图或代码文字。
任务名称：学习二十二种transforms数据预处理方法；学会自定义transforms方法
任务简介：pytorch提供了大量的transforms预处理方法，在这里归纳总结为四大类共二十二种方法进行一一学习；学会自定义transforms方法以兼容实际项目；
详细说明：
本节第一部分介绍transforms方法中的裁剪、翻转和旋转，共8种方法，同时介绍如何将输入进模型的数据进行反transforms操作，变为可以可视化的图片；
本节第二部分介绍transforms中的8种图像变换，3种transforms方法的选择方法；除了pytorch提供的预处理方法，还教大家自定义transforms方法，先通过熟悉transforms的运行机制，总结自定义transforms方法的注意事项，然后制定自定义transforms方法的基本结构，最后
通过椒盐噪声的transforms实例来学习自定义transforms方法
链接：https://pan.baidu.com/s/16pAXRJtKsOMrKx85Ay0QxA
提取码：wnn6
作业名称（详解）：
1. 将介绍的transforms方法一一地，单独地实现对图片的变换，并且通过plt.savefig将图片保存下来
打卡要求：截图，不少于10张不一样的数据增强变换的图片，如裁剪，缩放，平移，翻转，色彩变换，错切，遮挡等等
2. 自定义一个增加椒盐噪声的transforms方法，使得其能正确运行
打卡要求：文字简答，复制YourTransforms类的代码
3. 用手机将自己钱包中的100元人民币正面进行拍照，并且放到hello pytorch/lesson/lesson-09/test_data/100文件夹下，通过修改不同的数据增强方法，使得模型在10个epoch之后能正确区分你钱包中的100元
打卡要求：截图，将正确分类的100元的plt.show进行截取
任务名称：本周学习任务简单总结
任务简介：温故而知新，简单回顾本周学到几个重要知识
详细说明：
每一周的学习任务都比较重，第一次学过之后特别容易忘，所以在周日及时做一个要点回顾，会让学习效率大大的提升，不会的知识也会越来越少
本周所学的知识点都是属于机器学习训练模块中的数据模块，对数据进行读取，预处理，增强，在其中包含了大量的方法函数，如Dataloader，Dataset，transforms系列等等，大家需要对其中各个函数的作用和运行机制要有一个清晰的认识，认真总结本周所讲解的数据模块中的知识点。
作业名称（详解）：请用文字描述本周所学知识的重点，并且为每节课列出关键词，将这些本周的关键词以序号进行排序；
作业提交形式：PPT截图或手写拍照,打卡提交.
打卡内容：（可以只是文字提交，或图片提交，或组合都行）
教程截图
教程下载
原文链接：【教程宝盒网】 https://www.jc-box.com/8381.html，转载请注明出处。
请先 ！