Hands-On Deep Learning on PyTorch

سرفصل های دوره

This course is designed for beginners with little no experience in Deep learning or PyTorch.

1. Introduction

1. Introduction

2. Theory Data Formats

1. Float Tensor

2. Long Tensor

3. Bool Tensor

4. No grad Context Manager

5. torchvision Compose Object (Theory)

6. torchvision Compose Object (Example)

3. Theory Datasets and DataLoaders

1. PyTorch Dataset (Theory)

2. PyTorch Dataset (Example)

3. PyTorch DataLoader (Theory)

4. PyTorch DataLoader (Example)

4. Theory Model components

1. Linear Layer

2. Convolutional Operation (Theory)

3. Convolutional Operation (Example)

4. Activation Functions

5. Softmax Normalization Function

6. Argmax Function

7. How to create a CNN.

8. Neural Network Evaluation Mode

5. Theory CUDA

1. Whats CUDA

2. CUDA Example.

6. Theory Optimization Components

1. Whats a Loss Function

2. Cross Entropy Loss (Theory)

3. Cross Entropy Loss (Example)

4. Whats an Optimizer

5. Whats a Learning Rate

6. How to initiate Adam (Example)

7. Theory How to Train a Neural Network

1. How to Train a Neural Network (Example)

8. Practice Training a CNN

1.1 Link to the dataset.html

1. Gather Data.

2.1 dataset.zip

2. Build Dataset

3.1 model.zip

3. Build the Neural Network

4.1 train.zip

4. Training the Neural Network

9. Farewell and Assignment

1.1 answer.zip

1. Farewell

139,000 تومان

افزودن به سبد خرید

خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

تولید کننده: Udemy-Training