文件名称：使用PyTorch进行深度学习：使用PyTorch解密神经网络
文件大小：37.31MB
文件格式：ZIP
更新时间：2024-02-25 01:23:13
deep-learning jupyter-notebook pytorch applied-data-science-with-python JupyterNotebookJupyterNotebook
通过PyTorch应用深度学习 机器学习正Swift成为解决数据问题的首选方法，这归功于种类繁多的数学算法可以找到模式，而这些模式对于我们而言是不可见的。 通过PyTorch进行的应用深度学习使您对深度学习，其算法及其应用有了更高的了解。 本课程首先帮助您浏览深度学习和PyTorch的基础知识。 一旦您精通PyTorch语法并能够构建单层神经网络，您将通过配置和训练卷积神经网络（CNN）进行图像分类，逐步学习解决更复杂的数据问题。 在阅读本章的过程中，您将发现如何通过实现递归神经网络（RNN）解决NLP问题。 在本课程结束时，您将能够应用在学习过程中积累的技能和信心，使用PyTorch来构
【文件预览】：
Applied-Deep-Learning-with-PyTorch-master
----Lesson 3()
--------Activity 1.ipynb(59KB)
--------default of credit card clients.xls(5.28MB)
--------Data preparation.ipynb(37KB)
--------Activity 3 (Part 2).ipynb(2KB)
--------checkpoint.pth(80KB)
--------dccc_prepared.csv(14.4MB)
--------final_model.py(818B)
--------Activity 2 - Activity 3 (Part 1).ipynb(254KB)
----Lesson 2()
--------Exercise 2-5.ipynb(27KB)
--------YearPredictionMSD.zip(21.62MB)
--------energydata_complete.csv(11.42MB)
--------Activity 1-2.ipynb(24KB)
----Lesson 6()
--------Activity 1.ipynb(123KB)
--------alice.txt(145KB)
--------Activity 3.ipynb(34KB)
--------Sales_Transactions_Dataset_Weekly.csv(310KB)
--------amazon_cells_labelled.txt(57KB)
--------Activity 2.ipynb(24KB)
----Lesson 5()
--------Activity 1.ipynb(2.26MB)
--------images()
--------Exercise 1 - 4.ipynb(1.95MB)
--------Exercise 1 - 4 (with GPU).ipynb(1.96MB)
--------Activity 1 (with GPU).ipynb(2.26MB)
----LICENSE(1KB)
----Lesson 1()
--------Activity 1.ipynb(20KB)
--------Exercise 1.ipynb(1KB)
----Lesson 4()
--------Activity 1.ipynb(42KB)
--------Activity 3.ipynb(44KB)
--------Activity 2.ipynb(43KB)
----requirements.txt(1KB)
----README.md(3KB)