PyTorch机器学习与深度学习技术方法与案例实践应用
目录
第一章、Python基础知识串讲
第二章、PyTorch简介与环境搭建
第三章、PyTorch编程入门与进阶
第四章、PyTorch前向型神经网络
第五章、PyTorch卷积神经网络
第六章、PyTorch迁移学习
第七章、PyTorch生成式对抗网络
第八章、PyTorch RNN与LSTM
第九章、时间卷积网络(Temporal Convolutional Network, TCN)
第十章、基于深度学习的视频分类案例实战
第十一章、PyTorch目标检测
第十二章、自编码器
第十三章、复习与答疑讨论
近年来,随着AlphaGo、无人驾驶汽车、医学影像智慧辅助诊疗、ImageNet竞赛等热点事件的发生,人工智能迎来了新一轮的发展浪潮。尤其是深度学习技术,在许多行业都取得了颠覆性的成果。另外,近年来,Pytorch深度学习框架受到越来越多科研人员的关注和喜爱。
帮助广大科研人员更加系统地学习深度学习的基础理论知识及对应的Pytorch代码实现方法,掌握深度学习的基础知识,与经典机器学习算法的区别与联系,以及最新的迁移学习、循环神经网络、长短时记忆神经网络、时间卷积网络、对抗生成网络、Yolo目标检测算法、自编码器等算法的原理及其Pytorch编程实现方法。本次 采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式,抽丝剥茧、深入浅出分析深度学习在应用时需要掌握的经验及编程技巧。此外,还将通过实际案例的形式,介绍如何提炼创新点,以及如何发表高水平论文等相关经验。
郁磊(副教授),主要从事Python/Matlab 编程、机器学习与数据挖掘、数据可视化和软件开发、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。
第一章、Python基础知识串讲
1、Python环境搭建(Python软件下载、安装与版本选择;PyCharm下载、安装;Python之Hello World;第三方模块的安装与使用;Python 2.x与Python 3.x对比)
2、Python基本语法(Python变量命名规则;Python基本数学运算;Python常用变量类型的定义与操作;Python程序注释)
3、Python流程控制(条件判断;for循环;while循环;break和continue关键字;嵌套循环与可变循环)
4、Python函数与对象(函数的定义与调用;函数的参数传递与返回值;变量作用域与全局变量;对象的创建与使用)
5、Matplotlib的安装与图形绘制(设置散点、线条、坐标轴、图例、注解等属性;绘制多图;图的嵌套)
6、科学计算模块库(Numpy的安装;ndarray类型属性与数组的创建;数组索引与切片;Numpy常用函数简介与使用;Pandas常用函数简介与使用)
第二章、PyTorch简介与环境搭建
1、深度学习框架概述(PyTorch、Tensorflow、Keras等)
2、PyTorch简介(PyTorch的版本、动态计算图与静态计算图、PyTorch的优点)
3、PyTorch的安装与环境配置(Pip vs. Conda包管理方式、验证是否安装成功、CPU版与GPU版的安装方法)
第三章、PyTorch编程入门与进阶
1、张量(Tensor)的定义,以及与标量、向量、矩阵的区别与联系)
2、张量(Tensor)的常用属性与方法(dtype、device、layout、requires_grad、cuda等)
3、张量(Tensor)的创建(直接创建、从numpy创建、依据数值创建、依据概率分布创建)
4、张量(Tensor)的运算(加法、减法、矩阵乘法、哈达玛积(element wise)、除法、幂、开方、指数与对数、近似、裁剪)
5、张量(Tensor)的索引与切片
6、PyTorch的自动求导(Autograd)机制与计算图的理解
7、PyTorch常用工具包及API简介(torchvision(transforms、datasets、model)、torch.nn、torch.optim、torch.utils(Dataset、DataLoader))
第四章、PyTorch前向型神经网络
1、BP神经网络的基本原理(人工神经网络的分类有哪些?有导师学习和无导师学习的区别是什么?BP神经网络的拓扑结构和训练过程是怎样的?什么是梯度下降法?BP神经网络建模的本质是什么?)
2、BP神经网络的Python代码实现(怎样划分训练集和测试集?为什么需要归一化?归一化是必须的吗?什么是梯度爆炸与梯度消失?)
3、PyTorch代码实现神经网络的基本流程(Data、Model、Loss、Gradient)及训练过程(Forward、Backward、Update)
4、案例演示:Linear模型、Logistic模型、Softmax函数输出、BP神经网络
5、实操练习
6、值得研究的若干问题(隐含层神经元个数、学习率、初始权值和阈值等如何设置?什么是交叉验证?过拟合(Overfitting)与欠拟合(Underfitting)、泛化性能评价指标的设计、样本不平衡问题、模型评价与模型选择(奥卡姆剃刀定律)等)
第五章、PyTorch卷积神经网络
1、深度学习简介(深度学习大事记:Model + Big Data + GPU + AlphaGo)
2、深度学习与传统机器学习的区别与联系(神经网络的隐含层数越多越好吗?深度学习与传统机器学习的本质区别是什么?)
2、卷积神经网络的基本原理(什么是卷积核、池化核?CNN的典型拓扑结构是怎样的?CNN的权值共享机制是什么?CNN提取的特征是怎样的?)
3、卷积神经网络的进化史:LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系
4、利用PyTorch构建卷积神经网络(Convolution层、Batch Normalization层、Pooling层、Dropout层、Flatten层等)
5、卷积神经网络调参技巧(卷积核尺寸、卷积核个数、移动步长、补零操作、池化核尺寸等参数与特征图的维度,以及模型参数量之间的关系是怎样的?)
6、案例讲解:
(1)CNN预训练模型实现物体识别
(2)利用卷积神经网络抽取抽象特征
(3)自定义卷积神经网络拓扑结构
7、实操练习
第六章、PyTorch迁移学习
1、迁移学习算法的基本原理(为什么需要迁移学习?为什么可以迁移学习?迁移学习的基本思想是什么?)
2、基于深度神经网络模型的迁移学习算法
3、案例讲解:猫狗大战(Dogs vs. Cats)
4、实操练习
第七章、PyTorch生成式对抗网络
1、生成式对抗网络GAN(什么是对抗生成网络?为什么需要对抗生成网络?对抗生成网络可以帮我们做什么?GAN给我们带来的启示)
2、GAN的基本原理及GAN进化史
3、案例讲解:GAN的PyTorch代码实现(手写数字生成)
4、实操练习
第八章、PyTorch RNN与LSTM
1、循环神经网络RNN的基本工作原理
2、长短时记忆网络LSTM的基本工作原理
3、案例讲解:时间序列预测(北京市污染物预测)
4、实操练习
第九章、时间卷积网络(Temporal Convolutional Network, TCN)
1、时间卷积网络(TCN)的基本原理
2、TCN与1D CNN、LSTM的区别与联系
3、案例讲解:
1)时间序列预测:新冠肺炎疫情预测
2)序列-序列分类:人体动作识别
4、实操练习
第十章、基于深度学习的视频分类案例实战
1、基于深度学习的视频分类基本原理
2、读取视频流文件并抽取图像帧
3、利用预训练CNN模型提取指定层的特征图
4、自定义构建LSTM神经网络模型
5、案例讲解:HMDB51数据集视频分类
6、实操练习
第十一章、PyTorch目标检测
1、什么是目标检测?目标检测与目标识别的区别与联系
2、YOLO模型的工作原理,YOLO模型与传统目标检测算法的区别
3、案例讲解:
(1)利用预训练好的YOLO模型实现目标检测(图像检测、视频检测、摄像头实时检测)
(2)数据标注演示(LabelImage使用方法介绍)
(3)训练自己的目标检测数据集
4、实操练习
第十二章、自编码器
1、什么是自编码器(Auto-Encoder, AE)?
2、经典的几种自编码器模型原理介绍(AE、Denoising AE, Masked AE)
3、案例讲解:
(1)基于自编码器的噪声去除
(2)基于自编码器的手写数字特征提取与重构
(3)基于掩码自编码器的缺失图像重构
4、实操练习
第十三章、复习与答疑讨论
1、课程相关资料拷贝与分享
2、答疑与讨论(大家提前把问题整理好)
PyTorch机器学习与深度学习技术方法与案例实践应用相关推荐
- 【代码实现】最新PyTorch机器学习与深度学习技术方法
近年来,随着AlphaGo.无人驾驶汽车.医学影像智慧辅助诊疗.ImageNet竞赛等热点事件的发生,人工智能迎来了新一轮的发展浪潮.尤其是深度学习技术,在许多行业都取得了颠覆性的成果.另外,近年来, ...
- Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用
Python是功能强大.免费.开源,实现面向对象的编程语言,在数据处理.科学计算.数学建模.数据挖掘和数据可视化方面具备优异的性能,这些优势使得Python在气象.海洋.地理.气候.水文和生态等地学领 ...
- Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用能力
Python是功能强大.免费.开源,实现面向对象的编程语言,能够在不同操作系统和平台使用,简洁的语法和解释性语言使其成为理想的脚本语言.除了标准库,还有丰富的第三方库,Python在数据处理.科学计算 ...
- Python大数据综合应用 :零基础入门机器学习、深度学习算法原理与案例
机器学习.深度学习算法原理与案例实现暨Python大数据综合应用高级研修班 一.课程简介 课程强调动手操作:内容以代码落地为主,以理论讲解为根,以公式推导为辅.共4天8节,讲解机器学习和深度学习的模型 ...
- Python机器学习、深度学习技术提升气象、海洋、水文领域应用
Python是功能强大.免费.开源,实现面向对象的编程语言,能够在不同操作系统和平台使用,简洁的语法和解释性语言使其成为理想的脚本语言.除了标准库,还有丰富的第三方库,Python在数据处理.科学计算 ...
- 基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用
Python是功能强大.免费.开源,实现面向对象的编程语言,能够在不同操作系统和平台使用,简洁的语法和解释性语言使其成为理想的脚本语言.除了标准库,还有丰富的第三方库,Python在数据处理.科学计 ...
- 基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用能力
目录 专题一.Python软件的安装及入门 专题二.气象常用科学计算库 专题三.气象海洋常用可视化库 专题四.爬虫和气象海洋数据 专题五.气象海洋常用插值方法 专题六.机器学习基础理论和实操 专题七. ...
- 使用机器学习和深度学习技术(使用Python代码)预测股票价格
Introduction 预测股市将如何表现是最困难的事情之一. 预测中涉及的因素很多 - 物理因素与生理因素,理性行为和非理性行为等有关.所有这些因素共同导致股价波动,很难以高精度预测. 我们可以将 ...
- 【案例实践】Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用
查看原文>>>基于Python多元线性回归.机器学习.深度学习在近红外光谱分析中的实践应用 [专家]: 郁磊副教授 主要从事MATLAB 编程.机器学习与数据挖掘.数据可视化和软件开 ...
最新文章
- [导入]ASP.NET生成高质量缩略图通用函数(c#代码)
- 北京大学计算机研究所所长,北大计算机研究所所长郭宗明:探索新机制,释放科研创新能力...
- 【问题记录】pytorch自定义数据集 No such file or directory, invalid index of a 0-dim
- boost::gursoy_atun_layout用法的测试程序
- ORACLE 10G以后的ORDER BY操作优化
- 3.4 实用的path变量
- 从前,小夕种了一棵树
- heroku_如何使用Express.js和Heroku将应用程序部署到Web
- html无法显示null打开,js出现null错误的原因?
- 华为发布最强 AI 处理器昇腾 910,全场景 AI 框架 MindSpore 将开源
- 小明利用计算机软件绘制函数,辽宁省大连市2014年高二学业水平模拟考试 信息技术试题(三)...
- HDU 1054 Strategic Game(无向二分图的最大匹配)
- 计算机创新课堂教案,1 1.1计算机概述1.2计算机系统课堂教学教案
- C# + OpenXML 生成 Word 文档(VS2015)
- vue使用Swiper页面中有滚动条,为什么鼠标滚轮不起作用呢?
- Unity3d 微信小程序游戏
- Windows XP 启动过程jjhou
- 【Pytorch】torch.Tensor.masked_fill()
- 某工厂配电线路及变电所设计
- 软件工程-- 层次方框图
热门文章
- Python+Numpy+CV2/GDAL实现对图像的Wallis匀色
- 数字化企业云平台的Cloud Native12原则
- 玩弄 Kotlin 的Context Receivers
- java投屏 dlna 安卓_DLNA投屏,支持IOS和安卓
- 关于gstreamer中nvarguscamerasrc插件介绍
- 《MATLAB智能算法30个案例》:第4章 基于遗传算法的TSP算法
- 提高女子性兴奋的食疗法
- python单词软件哪个好_还在用背单词App?使用Python开发英语单词自测工具,助你逆袭单词王!...
- 软件架构-redis特性和集群特性(上)
- 从空中截获BLE数据包看蓝牙5协议流程【第四部分:Ellisys蓝牙5连接分析】