推荐|深度学习PyTorch的教程代码

2017 年 10 月 8 日 全球人工智能
推荐|深度学习PyTorch的教程代码

“全球人工智能”拥有十多万AI产业用户,10000多名AI技术专家。主要来自:北大,清华,中科院,麻省理工,卡内基梅隆,斯坦福,哈佛,牛津,剑桥...以及谷歌,腾讯,百度,脸谱,微软,阿里,海康威视,英伟达......等全球名校和名企。


——免费加入AI高管投资者群>>

——免费加入AI技术专家社群>>

韩国大学 yunjey

该存储库提供深入学习研究人员学习PyTorch的教程代码。在本教程中,大多数模型都使用少于30行代码实现。在开始本教程之前,建议您完成官方Pytorch教程(http://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html

一、基础知识

  • PyTorch基础知识

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/01-basics/pytorch_basics/main.py

  • 线性回归

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/01-basics/linear_regression/main.py#L24-L31

  • 逻辑回归

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/01-basics/logistic_regression/main.py#L35-L42

  • 前馈神经网络

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/01-basics/feedforward_neural_network/main.py#L36-L47

二、中级

  • 卷积神经网络

     https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/02-intermediate/convolutional_neural_network/main.py#L33-L53

  • 深层残留网络

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/02-intermediate/deep_residual_network/main.py#L67-L103

  • 经常性神经网络

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/02-intermediate/recurrent_neural_network/main.py#L38-L56

  • 双向循环神经网络

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/02-intermediate/bidirectional_recurrent_neural_network/main.py#L38-L57

  • 语言模型(RNN-LM)

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/02-intermediate/language_model/main.py#L28-L53

  • 生成对抗网络

    https://github.com/yunjey/pytorch-tutorial/blob/master/tutorials/02-intermediate/generative_adversarial_network/main.py#L34-L50

三、高级

  • 图像字幕(CNN-RNN)

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/03-advanced/image_captioning

  • 深卷积GAN(DCGAN)

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/03-advanced/deep_convolutional_gan

  • 变分自动编码器

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/03-advanced/variational_auto_encoder

  • 神经风格转移

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/03-advanced/neural_style_transfer

四、实用工具

  • TensorBoard在PyTorch

    https://github.com/yunjey/pytorch-tutorial/tree/master/tutorials/04-utils/tensorboard


系统学习,进入全球人工智能学院

热门文章推荐

未来 3~5 年内,哪个方向的机器学习人才最紧缺?

中科院步态识别技术:不看脸 50米内在人群中认出你!

厉害|黄仁勋狂怼CPU:摩尔定律已死 未来属于GPU!

干货|7步让你从零开始掌握Python机器学习!

华裔女科学家钱璐璐,发明仅20纳米的DNA机器人!

Geoffrey Hinton提出capsule 概念,推翻反向传播!

2017年7大最受欢迎的AI编程语言:Python第一!

重磅|中国首家人工智能技术学院在京揭牌开学!

厉害 | 南京大学周志华教授当选欧洲科学院外籍院士!

5个月市值涨了1200亿,首次突破3100亿市值!

登录查看更多
4

相关内容

【导读】来自Jordi Pons一份循环神经网络RNNs简明教程,37页ppt

成为VIP会员查看完整内容
RNNsTutorial.pdf
0
80
小贴士
相关资讯
PyTorch 官方推荐了一份 60 分钟的深度学习指南
技术最前线
9+阅读 · 2019年10月17日
【文档】PyTorch中文版官方教程来了...
机器学习算法与Python学习
6+阅读 · 2019年9月8日
Github项目推荐 | PyTorch文本分类教程
AI研习社
4+阅读 · 2019年6月7日
Python机器学习课程(代码与教程)
专知
19+阅读 · 2019年5月13日
手把手教 | 深度学习库PyTorch(附代码)
数据分析
5+阅读 · 2018年3月20日
推荐|PyTorch tutorial 神经网络 教学(中文视频地址)
全球人工智能
13+阅读 · 2017年8月13日
推荐|TensorFlow/PyTorch/Sklearn实现的五十种机器学习模型
全球人工智能
21+阅读 · 2017年7月14日
相关VIP内容
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
80+阅读 · 2020年5月6日
【哈佛《CS50 Python人工智能入门》课程 (2020)】
专知会员服务
72+阅读 · 2020年4月12日
专知会员服务
39+阅读 · 2020年2月26日
专知会员服务
45+阅读 · 2020年1月13日
一网打尽!100+深度学习模型TensorFlow与Pytorch代码实现集合
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
77+阅读 · 2019年10月28日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
46+阅读 · 2019年10月12日
开源书:PyTorch深度学习起步
专知会员服务
23+阅读 · 2019年10月11日
相关论文
A Survey on Bayesian Deep Learning
Hao Wang,Dit-Yan Yeung
40+阅读 · 2020年7月2日
Shaoxiong Ji,Shirui Pan,Erik Cambria,Pekka Marttinen,Philip S. Yu
73+阅读 · 2020年2月2日
Object-centric Forward Modeling for Model Predictive Control
Yufei Ye,Dhiraj Gandhi,Abhinav Gupta,Shubham Tulsiani
4+阅读 · 2019年10月8日
Scene Text Detection and Recognition: The Deep Learning Era
Shangbang Long,Xin He,Cong Yao
13+阅读 · 2019年9月5日
Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context
Zihang Dai,Zhilin Yang,Yiming Yang,Jaime Carbonell,Quoc V. Le,Ruslan Salakhutdinov
9+阅读 · 2019年6月2日
Deep Learning for Energy Markets
Michael Polson,Vadim Sokolov
4+阅读 · 2019年4月10日
Ziwei Zhang,Peng Cui,Wenwu Zhu
37+阅读 · 2018年12月11日
A Memory-Network Based Solution for Multivariate Time-Series Forecasting
Yen-Yu Chang,Fan-Yun Sun,Yueh-Hua Wu,Shou-De Lin
7+阅读 · 2018年9月6日
Tom Young,Devamanyu Hazarika,Soujanya Poria,Erik Cambria
7+阅读 · 2018年2月20日
Jianwei Yang,Anitha Kannan,Dhruv Batra,Devi Parikh
3+阅读 · 2017年8月2日
Top