Доступно

Ускоренный курс PyTorch [Udemy] [Helen Kapatsa]

Тема в разделе "Курсы по программированию", создана пользователем Топикстартер, 11 июл 2021.

Цена: 999р.
Взнос: 200р.-79%
100%

Основной список: 15 участников

Резервный список: 6 участников

Статус обсуждения:
Комментирование ограничено.
  1. 11 июл 2021
    #1
    Топикстартер
    Топикстартер ЧКЧлен клуба
    Ускоренный курс PyTorch
    От установки до настройки гиперпараметров модели

    Описание

    В этом уроке мы узнаем, как работать с PyTorch. Это одна из самых популярных сред машинного и глубокого обучения. С ним действительно интересно работать и разрабатывать крутые приложения. Итак, я надеюсь, что вы посмотрите это введение и узнаете все о необходимых основах для этого фреймворка.
    Здесь Вы познакомитесь со следующими концепциями:
    Установка, проверка фреймворка
    Тензоры и базовые операции с ними (сложение, вычитание, умножение, деление). В этом видео мы узнаем, как работать с тензорами, как создавать их и осуществлять некоторые базовые операции. Мы также узнаем, как преобразовать массивы NumPy в тензоры PyTorch и наоборот.
    Вычисление градиента с помощью Autograd и его оптимизация. Сегодня мы узнаем о пакете Autograd в PyTorch и о том, как с его помощью вычислять градиенты. Вы наверняка помните, что в моделях кластеризации, логистической и линейной регрессиях можно уточнять границы кластеров, формы кривых и положение прямой. Градиент может делать все это, оптимизируя модели.
    Обратное распространение ошибки. В этом видео я постараюсь объяснить знаменитый алгоритм Backpropagation.
    Градиентный спуск с Autograd. В этом уроке я покажу вам конкретный пример оптимизации модели с автоматическим вычислением градиента Autograd. Мы начнем с реализации алгоритма линейной регрессии, где каждый шаг выполним вручную. Создадим прогнозирующее уравнение и функцию потерь. Затем выполним вычисление градиентов и реализуем алгоритм градиентного спуска для оптимизации наших параметров. Когда завершим эти вычисления, то увидим, как можем заменить вычисленные вручную градиенты.
    Пайплайн: автоматизация обучения и оптимизации модели. Заменим вычисленные вручную потери и обновления параметров, используя соответствующие классы PyTorch. Мы также заменим прогнозирование модели вручную, после чего библиотека сможет выполнить за нас весь пайплайн – набор действий, включающий построение модели и ее оптимизацию.
    Пакетное обучение: классы Dataset и DataLoader, встроенные датасеты, подгрузка данных из файлов, раскладывание эпох обучения на партии (batches)
    Курс вдохновлен материалами Патрика Лебера и продолжит пополняться вплоть до конца 2021 г.
    Технологии: PyTorch (backward, Dataset, DataLoader, math, nn, optim, utils), NumPy, TensorBoard

    Скрытая ссылка
     
  2. Последние события

    1. skladchik.com
      Складчина доступна.
      10 авг 2021
    2. Tagirov0
      Tagirov0 участвует.
      2 авг 2021
    3. di-spb
      di-spb участвует.
      2 авг 2021
    4. Torvan
      Torvan участвует.
      2 авг 2021

    Последние важные события

    1. skladchik.com
      Складчина доступна.
      10 авг 2021
    2. skladchik.com
      Взнос составляет 100р.
      30 июл 2021
    3. skladchik.com
      Складчина активна.
      30 июл 2021
    4. skladchik.com
      Сбор взносов начинается 30.07.2021.
      28 июл 2021
Статус обсуждения:
Комментирование ограничено.

Поделиться этой страницей