• 莫烦 PyTorch 系列教程
• PyTorch 简介
  • 1.1 – Why PyTorch?
  • 1.2 – 安装 PyTorch
• PyTorch 神经网络基础
  • 2.1 – Torch vs Numpy
  • 2.2 – 变量 (Variable)
  • 2.3 – 激励函数 (Activation)
• 建造第一个神经网络
  • 3.1 – 关系拟合 (回归 Regression)
  • 3.2 – 区分类型 (分类 Classification)
  • 3.3 – 快速搭建回归神经网络
  • 3.4 – 保存和恢复模型
  • 3.5 – 数据读取 (Data Loader)
  • 3.6 – 优化器 (Optimizer)
• 高级神经网络结构
  • 4.1 – CNN 卷积神经网络
  • 4.2 – RNN 循环神经网络 (分类 Classification)
  • 4.3 – RNN 循环神经网络 (回归 Regression)
  • 4.4 – AutoEncoder (自编码/非监督学习)
  • 4.5 – DQN 强化学习 (Reinforcement Learning)
  • 4.6 – GAN (Generative Adversarial Nets 生成对抗网络)
• 高阶内容
  • 5.1 – 为什么 Torch 是动态的
  • 5.2 – GPU 加速运算
  • 5.3 – Dropout 防止过拟合
  • 5.4 – Batch Normalization 批标准化