آموزش PyTorch برای یادگیری عمیق و بینایی کامپیوتر [ویدئو]

سرفصل ها و درس ها

معرفی Introduction

• معرفی Introduction

شروع شدن Getting Started

• پیدا کردن کدها (Github) Finding the codes (Github)

• نگاهی به پروژه ها A Look at the Projects

مقدمه ای بر تنسورها - PyTorch Intro to Tensors – PyTorch

• مقدمه Intro

• تانسورهای 1 بعدی 1 Dimensional Tensors

• عملیات برداری Vector Operations

• تانسورهای 2 بعدی 2 Dimensional Tensors

• برش تانسورهای سه بعدی Slicing 3D Tensors

• ضرب ماتریس Matrix Multiplication

• گرادیان با PyTorch Gradient with PyTorch

• Outro Outro

رگرسیون خطی - PyTorch Linear Regression – PyTorch

• مقدمه Intro

• پیشگویی Making Predictions

• کلاس خطی Linear Class

• ماژول های سفارشی Custom Modules

• ایجاد مجموعه داده Creating Dataset

• عملکرد از دست دادن Loss Function

• گرادیان نزول Gradient Descent

• خطای میانگین مربعات Mean Squared Error

• آموزش – پیاده سازی کد Training - Code Implementation

• Outro Outro

Perceptrons - PyTorch Perceptrons – PyTorch

• مقدمه Intro

• یادگیری عمیق چیست What is Deep Learning

• ایجاد مجموعه داده Creating Dataset

• مدل پرسپترون Perceptron Model

• راه اندازی مدل Model Setup

• آموزش مدل Model Training

• تست مدل Model Testing

• Outro Outro

شبکه های عصبی عمیق – PyTorch Deep Neural Networks – PyTorch

• مقدمه Intro

• مرزهای غیر خطی Non-Linear Boundaries

• معماری Architecture

• فرآیند پیشخور Feedforward Process

• تابع خطا Error Function

• پس انتشار Backpropagation

• پیاده سازی کد Code Implementation

• مدل تست Testing Model

• Outro Outro

تشخیص تصویر – PyTorch Image Recognition – PyTorch

• مقدمه Intro

• مجموعه داده MNIST MNIST Dataset

• مجموعه داده های آموزشی و آزمایشی Training and Test Datasets

• تغییر شکل تصویر Image Transforms

• پیاده سازی شبکه عصبی Neural Network Implementation

• اعتبار سنجی شبکه عصبی Neural Network Validation

• تست های نهایی Final Tests

• نکته ای در مورد تنظیم اندازه دسته A note on adjusting batch size

• Outro Outro

شبکه های عصبی کانولوشن - PyTorch Convolutional Neural Networks – PyTorch

• Convolutions و MNIST Convolutions and MNIST

• لایه کانولوشنال Convolutional Layer

• پیچیدگی II Convolutions II

• ادغام Pooling

• شبکه کاملا متصل Fully Connected Network

• پیاده سازی شبکه عصبی با PyTorch Neural Network Implementation with PyTorch

• آموزش مدل با PyTorch Model Training with PyTorch

CIFAR 10 طبقه بندی – PyTorch CIFAR 10 Classification – PyTorch

• مجموعه داده CIFAR 10 The CIFAR 10 Dataset

• تست LeNet Testing LeNet

• تنظیم فراپارامتر Hyperparameter Tuning

• افزایش داده ها Data Augmentation

آموزش انتقال - PyTorch Transfer Learning – PyTorch

• مدل های پیشرفته از پیش آموزش دیده Pre-trained Sophisticated Models

• AlexNet و VGG16 AlexNet and VGG16

انتقال سبک - PyTorch Style Transfer – PyTorch

• VGG 19 VGG 19

• تغییر شکل تصویر Image Transforms

• استخراج ویژگی Feature Extraction

• ماتریس گرام The Gram Matrix

• بهينه سازي Optimization

• انتقال سبک با ویدئو Style Transfer with Video

پیوست A - دوره سقوط پایتون Appendix A - Python Crash Course

• بررسی اجمالی Overview

• نصب آناکوندا (Mac) Anaconda Installation (Mac)

• ویندوز نصب آناکوندا Anaconda Installation Windows

• نوت بوک های Jupyter Jupyter Notebooks

• عملگرهای حسابی Arithmetic Operators

• متغیرها Variables

• انواع داده های عددی Numeric Data Types

• رشته String

• بولین ها Booleans

• مواد و روش ها Methods

• لیست ها Lists

• برش دادن Slicing

• اپراتور عضویت Membership Operator

• تغییرپذیری Mutability

• تغییرپذیری II Mutability II

• توابع و روش های رایج Common Functions & Methods

• تاپل ها Tuples

• مجموعه ها Sets

• لغت نامه ها Dictionaries

• ساختارهای داده مرکب Compound Data Structures

• قسمت 1 - Outro Part 1 – Outro

• قسمت 2 - کنترل جریان Part 2 - Control Flow

• اگر دیگری If, else

• elseif elseif

• مقایسه های پیچیده Complex Comparisons

• برای حلقه ها For Loops

• برای Loops II For Loops II

• در حالی که حلقه ها While Loops

• زنگ تفريح Break

• قسمت 2 - Outro Part 2 – Outro

• بخش 3 - توابع Part 3 – Functions

• کارکرد Functions

• محدوده Scope

• رشته های Doc Doc Strings

• توابع لامبدا و مرتبه بالاتر Lambda and Higher Order Functions

• قسمت 3 - Outro Part 3 – Outro

پیوست B - دوره تصادف NumPy Appendix B - NumPy Crash Course

• بررسی اجمالی Overview

• آرایه ها در مقابل لیست ها Arrays vs Lists

• آرایه های چند بعدی Multidimensional Arrays

• برش تک بعدی One Dimensional Slicing

• تغییر شکل دادن Reshaping

• برش چند بعدی Multidimensional Slicing

• دستکاری اشکال آرایه Manipulating Array Shapes

• ضرب ماتریس Matrix Multiplication

• پشتهسازی Stacking

• Outro Outro

پیوست ج - توضیح سافت مکس Appendix C - Softmax Explanation

• سافت مکس Softmax

• آنتروپی متقاطع Cross Entropy