🔥 深度學習入門（PyTorch）

從 tensor、autograd 到 CNN、遷移學習與部署——親手搭神經網路，借 Colab 免費 GPU

Tensor 與 autograd 範例輸出 01 入門

Tensor 與 autograd

深度學習要自己搭神經網路。先把 PyTorch 的兩塊地基打牢：Tensor（會算梯度的陣列）與 autograd（自動微分）——整個深度學習的引擎。
你的第一個神經網路 範例輸出 02 入門

你的第一個神經網路

用 nn.Module 把 Tensor 與 autograd 組成真正的神經網路。搭一個小分類器，理解激活函數為何不可少。
訓練迴圈 範例輸出 03 入門

訓練迴圈

深度學習的心跳。記住四拍——forward → loss → backward → step，你就能訓練任何 PyTorch 模型。
影像辨識：從全連接到 CNN 範例輸出 04 進階

影像辨識：從全連接到 CNN

處理真實影像 MNIST。先用全連接網路當基線，再升級到 CNN——看看為什麼卷積特別適合影像。
過擬合與正則化 範例輸出 05 進階

過擬合與正則化

神經網路參數多、能力強，特別容易過擬合。先製造過擬合給你看，再用 dropout 與 weight decay 把它壓下去。
用 GPU 加速 範例輸出 06 進階

用 GPU 加速

深度學習慢，是因為有海量矩陣運算。GPU 能平行處理，常常快上幾十倍。學會寫裝置無關的程式，並親手量一次加速。
遷移學習 範例輸出 07 進階

遷移學習

從零訓練大模型要海量資料與算力。遷移學習讓你站在巨人肩膀上：借用預訓練模型學到的視覺特徵，少少資料就解決自己的任務。
完整專案與部署 範例輸出 08 專題

完整專案與部署

在 FashionMNIST 上訓練一個完整 CNN，並學會存檔、載入、部署——讓模型走出 notebook，真正用起來。深度學習模組的收尾。

留言 0

留言載入中…