# thorough-pytorch

**Repository Path**: as85207/thorough-pytorch

## Basic Information

- **Project Name**: thorough-pytorch
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-11-29
- **Last Updated**: 2021-11-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 深入浅出PyTorch

## 一、项目初衷

PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。

考虑到PyTorch的学习兼具理论储备和动手训练，两手都要抓两手都要硬的特点，我们开发了《深入浅出PyTorch》课程，期望以组队学习的形式，帮助大家从入门到熟练掌握PyTorch工具，进而实现自己的深度学习算法。

我们的愿景是：通过组队学习，大家能够掌握由浅入深地PyTorch的基本知识和内容，经过自己的动手实践加深操作的熟练度。同时通过项目实战，充分锻炼编程能力，掌握PyTorch进行深度学习的基本流程，提升解决实际问题的能力。

学习的先修要求是，会使用Python编程，了解包括神经网络在内的机器学习算法，勤于动手实践。

《深入浅出PyTorch》是一个系列，这是本系列的第一部分，后续会不断更新《深入浅出PyTorch》（中）、（下）

## 二、内容设置（已上线部分）

- 第一章：PyTorch的简介和安装
  - PyTorch简介
  - PyTorch的安装
  - PyTorch相关资源简介
- 第二章：PyTorch基础知识
  - 张量及其运算
  - 自动求导简介
  - 并行计算、CUDA和cuDNN简介
- 第三章：PyTorch的主要组成模块
  - 思考：完成一套深度学习流程需要哪些关键环节
  - 基本配置
  - 数据读入
  - 模型构建
  - 损失函数
  - 优化器
  - 训练和评估
  - 可视化
- 第四章：PyTorch基础实战
  - 基础实战——Fashion-MNIST时装分类

## 三、人员安排

| 成员  | 个人简介                                            | 个人主页                                           |
| --------------- | --------------------------------------------------- | -------------------------------------------------- |
|   李嘉骐   | DataWhale成员，清华大学研究生                       | https://www.zhihu.com/people/li-jia-qi-16-9/posts  |
|   牛志康   | DataWhale成员，西安电子科技大学本科生             | https://www.zhihu.com/people/obeah-82              |
|    刘洋    | Datawhale成员，中国科学院数学与系统科学研究所研究生 | https://www.zhihu.com/people/ming-ren-19-34/asks   |
|   陈安东   | DataWhale成员，中央民族大学研究生                   | https://andongblue.github.io/chenandong.github.io/ |

教程贡献情况（已上线课程内容）：

李嘉骐：第三章；第四章；内容整合

刘洋：第二章；第三章模型构建部分

牛志康：第一章；第三章优化器部分

陈安东：第二章并行计算部分；第三章损失函数部分

## 四、 课程编排与使用方法

- 课程编排：
  深入浅出PyTorch分为三个阶段：PyTorch深度学习基础知识、PyTorch进阶操作、PyTorch生态介绍与案例分析。

- 使用方法:

  我们的课程内容都以markdown格式或jupyter notebook的形式保存在本仓库内。除了多看加深课程内容的理解外，最重要的还是动手练习、练习、练习

- 组队学习安排（2021年10月）:

  学习周期：10天

  2021年10月11日正式开始

| 任务信息                           | 打卡截止时间           |
| ---------------------------------- | ---------------------- |
| Task01：PyTorch认知和安装（2天）   | 截止时间 10月13日03:00 |
| Task02：PyTorch基础知识（3天）     | 截止时间 10月16日03:00 |
| Task03：PyTorch深度学习模块（3天） | 截止时间 10月19日03:00 |
| Task04：PyTorch基础实战（2天）     | 截止时间 10月21日03:00 |



## 五、反馈

- 如果有任何想法可以联系我们DataWhale