近年来,Python语言由于其开源、简单等特点,受到了广大程序开发者的偏爱,丰富的函数库使得其在各行各业中得到了广泛的应用。伴随着新一轮人工智能(尤其是深度学习)的快速发展,许多深度学习框架应运而生,譬如:Tensorflow、Keras、Caffe、PyTorch等。其中,PyTorch作为后起之秀,发展非常迅猛,在学术界逐渐占据垄断地位,许多计算机顶级期刊、会议的最新文章的源代码都采用PyTorch深度学习框架。
1. 掌握Python基础编程及常用的科学计算模块库的使用方法 2. 掌握主流的深度学习框架直接的区别与联系
3. 掌握PyTorch深度学习框架的安装与环境配置方法
4. 掌握张量(Tensor)的定义、创建方法、运算、索引操作等
5. 掌握PyTorch的动态计算图与自动求导(Autograd)机制
6. 掌握PyTorch常用工具包及API(torchvision、torch.nn、torch.optim、torch.utils等)的使用方法
7. 掌握前向型神经网络的基本原理、代码实现,以及模型参数优化、模型评价等方法与技巧
8. 掌握卷积神经网络的基本原理、进化史、代码实现、案例实战
9. 掌握PyTorch Lightning的安装、使用方法
10. 掌握迁移学习的基本原理、代码实现、案例实战
11. 掌握生成式对抗网络的基本原理、代码实现、案例实战
12. 掌握RNN、LSTM的基本原理、代码实现、案例实战
13. 掌握目标检测YOLO模型的基本原理、代码实现、案例实战
14. 掌握各种编程技巧
郁磊(副教授)主要从事AI人工智能、大语言模型及软件开发、生理系统建模与仿真、生物医学信号处理,具有丰富的科研经验,主编《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》相关著作。已发表多篇高水平的国际学术研究论文。
原文链接