本文来自专知
近日,在NeurIPS 2018 大会上,Facebook 官方宣布 PyTorch 1.0 正式版发布了。如何用Pytorch1.0搞深度学习?对很多小白学生是个问题。瑞士非盈利研究机构 Idiap Research Institute的研究员FRANÇOIS FLEURET开设了一门深度学习课程(2019年秋季),详细结合深度学习与最新Pytorch1.0来为你细致讲解,是学习Pytorch1.0深度学习不可多得的材料。
900页课程PPT下载:(扫描文末的二维码,关注【计算机视觉联盟】公众号,回复2018121701获取)
深度学习课程概述
本课程的目标是提供深度机器学习的完整讲解。如何设计一个神经网络,如何训练它,以及有哪些现有技术专门处理非常大的网络结构。本课程旨在教授应用问题的深度学习方法所需的技能。
课程计划内容:
1. 什么是深度学习,张量介绍。
2. 基本机器学习,经验风险最小化,简单嵌入。
3. 线性可分性,多层感知器,反向传播。
4. 通用网络,autograd,批处理,卷积网络。
5. 初始化、优化和正则化。Dropout,激活归一化,跳过连接。
6. 计算机视觉的深层模型。
7. 深入模型分析。
8. 自编码器,嵌入式和生成模型。
9. 循环模型和自然语言处理。
10. pytorch张量,深度学习模块,和内部构件。
深度学习课程导读
1. 绪论
1.1 从神经网络到深度学习,21页slides
1.2 当前成功应用的实例 22页slides
2. 机器学习基础
2.1 损失函数与风险. 15页slides
更多内容获取PPT阅读吧!!!