课程概述
神经网络是一种模仿生物神经网络结构和功能的计算模型，用于对函数进行估计或近似，它能在外界信息的基础上改变内部结构，是一种自适应系统，即具备学习功能。当前，神经网络用于机器视觉、语音识别等很难被传统基于规则的编程所解决的问题。
本课程首先介绍了什么是PyTorch以及如何安装它，接着讲解了PyTorch神经网络相关的基础知识，比如：变量、激励函数等；然后展示了如何建造神经网络，包括回归和分类两种类型；接着讲解了一些高级神经网络结构，包括卷积神经网络CNN、循环神经网络RNN、自编码AutoEncoder、DQN加强学习、生成对抗网络GAN等，并给出了具体的实现案例；最后是PyTorch相关的高阶内容，包括：GPU加速运算、过拟合及缓解、批标准化等。
【课程目标】
了解神经网络及PyTorch
掌握如何使用PyTorch建造神经网络
了解CNN、RNN、GAN等高级神经网络结构
【适用对象】
AI开发者、学生
【课程大纲】
知识模块 | 简介 |
|---|---|
神经网络 | 什么是 PyTorch tutorials 安装 PyTorch tutorials Numpy Torch 对比 Variable 变量 Activation Function 激励函数 Regression 回归 Classification 分类 快速搭建方法 保存提取 批数据训练 Optimizer 优化器 CNN 卷积神经网络 RNN 循环神经网络之分类 RNN 循环神经网络之回归 AutoEncoder 自编码 DQN 强化学习 GAN 生成对抗网络 为什么 Pytorch 是动态 Dynamic GPU 加速 过拟合 Dropout Batch Normalization 批标准化 |
机构简介
腾讯云旗下面向云生态用户的一站式学习成长平台
讲师简介
- 周沫凡毕业于澳洲格里菲斯大学工程系。乐于分享深度学习的技能。在自然语言处理，强化学习方面有丰富的学术和行业经验。在腾讯云主要负责智能对话系统的研发。
课程评价(0)
以下选自学员评价
课程学习交流
请扫码关注腾讯产业互联网学堂微信公众号