DL_PyTorch:使用PyTorch进行深度学习

【文件属性】：
文件名称：DL_PyTorch:使用PyTorch进行深度学习
文件大小：7.06MB
文件格式：ZIP
更新时间：2021-04-03 19:44:44
JupyterNotebook DL_PyTorch 使用PyTorch进行深度学习 第1部分：PyTorch简介和使用张量 第2部分：使用PyTorch构建完全连接的神经网络 第3部分：如何在MNIST上使用反向传播训练完全连接的网络 第4部分：练习-在Fashion-MNIST上训练神经网络 第5部分：使用训练有素的网络进行预测和验证网络 第6部分：如何保存和加载经过训练的模型 第7部分：使用Torchvision加载图像数据，以及数据增强 第8部分：使用转移学习为狗和猫训练最先进的图像分类器

【文件预览】：
DL_PyTorch-main
----Part 1 - Tensors in PyTorch.ipynb(14KB)
----assets()
--------network_diagram.png(191KB)
--------ImageNet_example.png(2.88MB)
--------padding_strides.gif(94KB)
--------conv_net.jpg(200KB)
--------function_approx.png(24KB)
--------multilayer_diagram_weights.png(49KB)
--------fashion-mnist-sprite.png(772KB)
--------mlp_mnist.png(53KB)
--------test_examples.png(99KB)
--------dog_cat.png(310KB)
--------full_padding_no_strides_transposed.gif(222KB)
--------examples_new.png(1.46MB)
--------simple_neuron.png(49KB)
--------train_examples.png(111KB)
--------cat.70.jpg(27KB)
--------Pooling_Simple_max.png(130KB)
--------autoencoder_1.png(25KB)
--------dog.128.jpg(22KB)
--------tensor_examples.svg(83KB)
--------activation.png(39KB)
--------gradient_descent.png(176KB)
--------w1_backprop_graph.png(54KB)
--------cat_cropped.png(144KB)
--------lenet.png(71KB)
----.jovianrc(21B)
----.ipynb_checkpoints()
--------Part 1 - Tensors in PyTorch-checkpoint.ipynb(14KB)
----README.md(589B)