简介
前言
上篇:PyTorch基础
第一章 PyTorch 简介与安装
1.1 PyTorch 初认识
1.2 环境配置之Anaconda
1.3 环境配置之-IDE——Pycharm & VS Code
1.4 环境配置之CUDA&cuDNN
1.5 环境配置之PyTorch系列包
1.6 环境配置之Jupyter Notebook
1.7 PyTorch 2.0 与 torch.compile
第二章 PyTorch 核心模块
2.1 PyTorch 模块结构
2.2 新冠肺炎分类
2.3 核心数据结构——Tensor
2.4 张量的相关函数
2.5 自动求导核心——计算图
2.6 Autograd——自动微分
第三章 PyTorch 数据模块
3.1 Dataset
3.2 DataLoader
3.3 Dataset及常用API
3.4 transforms
3.5 torchvision 经典dataset学习
第四章 PyTorch 模型模块
4.1 Module&Parameter
4.2 Module的容器
4.3 常用网络层
4.4 Module常用API函数
4.5 Hook函数及Grad-CAM
4.6 经典模型代码分析
4.7 权重初始化方法
第五章 PyTorch 优化模块
5.1 二十一个损失函数
5.2 十三个优化器
5.3 十四个学习率调整器
第六章 PyTorch 可视化模块
6.1 TensorBoard安装与使用
6.2 CNN卷积核与特征图可视化
6.3 混淆矩阵与训练曲线可视化
6.4 CAM可视化与hook函数使用
6.5 模型参数打印
第七章 PyTorch 小技巧汇总
7.1 模型保存与加载
7.2 Finetune 模型微调
7.3 GPU使用
7.4 模型训练代码模板
7.5 TorchMetrics 模型评估指标库
7.6 Albumentations 数据增强库
7.7 TorchEnsemble 模型集成库
中篇:PyTorch 案例应用
第八章 图像项目案例
8.1 图像分类——胸部X光肺炎分类
8.2 图像分割——脑MRI胶质瘤分割
8.3 目标检测——无人机检测
8.4 目标跟踪(上)——DeepSORT原理
8.4 目标跟踪(下)——虎门大桥车流量统计
8.5 生成对抗网络——CycleGAN
8.6 扩散模型——DDPM
8.7 图像描述——Image Captioning
8.8 图像检索(上)——理论基础
8.8 图像检索(下)——CLIP+Faiss+Flask的图像检索系统
第九章 自然语言处理项目案例
9.1 自然语言处理简介
9.2 文本分类-RNN-LSTM
9.3 机器翻译-seq2seq
9.4 机器翻译-Transformer
9.5 命名实体识别-BERT
9.6 文章续写-问答对话-GPT
第十章 大语言模型安装与应用
10.1 Qwen部署与分析
10.2 ChatGLM3 部署与分析
10.3 Baichuan2 部署与分析
10.4 Yi 部署与分析
10.5 GPT Academic 安装与使用
下篇:PyTorch 模型部署
第十一章 ONNX 使用
11.1 ONNX 简介与安装
11.2 ONNX Runtime 简介与使用
11.3 ONNX Runtime 进阶使用
第十二章 TensorRT 使用
12.1 TensorRT 简介与安装
12.2 TensorRT 工作流及cuda-python
12.3 trtexec 工具使用
12.4 TensorRT 实用工具
12.5 TensorRT API 使用
12.6 模型量化基础概念
12.7 PTQ 量化实践
12.8 QAT 量化实践
12.9 TensorRT Python 工程化
本书使用 GitBook 发布
第七章 PyTorch 小技巧汇总
第七章 PyTorch 小技巧汇总
第七章 PyTorch 小技巧汇总
7.1 模型保存与加载
7.2 Finetune 模型微调
7.3 GPU使用
7.4 模型训练代码模板
7.5 TorchMetrics 模型评估指标库
7.6 Albumentations 数据增强库
7.7 TorchEnsemble 模型集成库
第七章简介
本章介绍开发过程中常用的代码段、工具模块和技巧等,初步设计有模型保存与加载、模型Finetune技巧、GPU使用技巧、训练代码框架等。
本章小结会续更新,将工作中遇到的小技巧分享出来。
results matching "
"
No results matching "
"