PyTorch 官方推出程式課程!從建模到部署,8 堂課帶你快速上手

PyTorch
PyTorch 官方 8 堂課。圖片截至 YouTube

【為什麼我們要挑選這篇文章】PyTorch 是應用於深度學習的程式語言。近日,PyTorch 官方推出 8 堂課程影片,從 Tensor 的基本介紹,到模型建構、訓練與部署,手把手帶你從 0 開始學,是 AI 新手的入門好資源!(責任編輯:郭家宏)

本文經 AI 新媒體量子位(公眾號 ID:QbitAI)授權轉載,轉載請連繫出處
作者:量子位

你是否也有這樣的困惑:「看了無數個入門課程,這個門還是沒跨進去……」

這一次,你可能終於有救了!

PyTorch 官方推出了培訓教程,手把手帶你飛!

課程從介紹 PyTorch 基本概念開始,小白看了完全無壓力。一步步深入,手把手帶你建模、訓練、部署。短短八節課程,你就能真正上手 PyTorch!

既然這麼厲害,那麼就來一起感受一下這份課程吧~

課程大綱:

1. 介紹 PyTorch

雖然這次課程偏向實際操作,但是官方依舊非常友好地默認大家都是新手,從基礎概念上開始逐步引入。

2. 介紹 PyTorch Tensors

在第二節課程中,開始正式引入概念:

Tensor(張量)是 PyTorch 中的核心,它類似於 NumPy 的 ndarrays ,表示的是一個多維矩陣。

PyTorch 中的 Tensors 可以運行在 GPU 上,並且大大加快了運行速度。

具體課程如下:

建立 PyTorch Tensors
數學或邏輯上的應用
張量複製
如何轉移到 GPU
操縱張量形狀
PyTorch-Numpy Bridge

課程中舉出了許多張量運算的典型例子:

比如建立一個 -1 到 1 之間的隨機張量,可以取它的絶對值,使得到的所有值都是正數;可以接受它的反正弦值,因為值在 -1 到 1 之間且返回一個的角度。

此外,PyTorch 中的張量還能進行線性代數運算,如行列式或奇異值分解;

數據統計、彙總,計算均值、標準差、最大值、最小值等等也都不在話下。

3. 自動求導機制

自動求導是 PyTorch 能夠快速運行的重要原因,它可以在深度學習中構建靈活框架。

通過梯度計算也可以推動基於反向傳播的機器學習。

具體課程如下:

為什麼要用自動求導?
典型案例示範
模型訓練中的自動求導
使用自動求導
自動求導分析
高級 API

在具體例子中,教程使用簡單的遞歸神經或 RNN 來展示。

4. 建構模型

具體課程:

模組和參數
常見神經網絡層類型
其他層和函數

以識別字母模型為例, 課程首先展示了如何搭建一個神經網絡:

在建構好網絡後,將其轉化為程式碼,就完成了模型的搭建。

5. PyTorch TensorBoard 支持

具體課程:

TensorBoard 視覺化
繪製標量 & 可視化訓練
模型視覺化
使用嵌入視覺化數集

這一步,課程中用模型進行了一個簡單的訓練:識別不同類型的服裝。

透過跟蹤訓練將數據視覺化,然後用 TensorBoard 來查看模型本身,從而進一步視覺化數據及其內部關係。

6. 訓練模型

具體課程:

用 Torch.NN 建模
自動梯度計算學習
TensorBoard 視覺化

7. 使用 Captum 探索 PyTorch 模型的可解釋性

Captum 是一個模型解釋庫,該庫為許多新的演算法(如:ResNet、BERT、一些語義分割網絡等)提供瞭解釋性。

可以幫助我們更好地理解對模型預測結果產生作用的具體特徵、神經元及神經網絡層。

具體課程:

基本概念
特殊舉例
圖層屬性舉例
用 Captum & Captum insights 探索模型的可解釋性

8. 模型部署推理

具體課程:

PyTorch 模型評估
TorchScript
TorchScript & C++
TorchServe 部署

最後一步,將以上建構出的模型進行評估。

PyTorch 官方課程 傳送門
如果純英文課程比較吃力,可以參考 b 站中文版(@愛可可-愛生活
以及中文版 文字教程

(本文經 AI 新媒體量子位 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈PyTorch 官方培训教程上线:从基本概念到实操,小白也能上手 〉。首圖來源:YouTube

延伸閱讀

95% PyTorch 函式庫都中招的 Bug!連特斯拉 AI 總監也曾入坑
數據科學家技能趨勢解析:PyTorch 職缺大漲 108%,SQL 將成為需求第二大的程式語言
數據分析領域的最基礎門票:4 個步驟,教你如何用 PyTorch 執行線性回歸運算


點關鍵字看更多相關文章: