آموزش جامع PyTorch از انتشارات پیرسون (Pearson) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• شروع کار با PyTorch Get up and running with PyTorch

1- آموزش سریع PyTorch برای مشتاقان 1. PyTorch for the Impatient

• پس‌انتشار (Backpropagation) و قانون زنجیره‌ای Backpropagation is just the chain rule

• شبکه‌های عصبی پیش‌خور چندلایه (MLP) Multilayer feedforward neural networks (MLP)

• ساختار لایه‌ای PyTorch The PyTorch layer cake

• PyTorch چیست؟ What is PyTorch?

• اجزای یک الگوریتم یادگیری Components of a learning algorithm

• پرسپترون‌ها و نورون‌ها Perceptrons and neurons

• تنسورها دقیقاً چه هستند؟ What are tensors, really?

• رگرسیون خطی با PyTorch Linear regression with PyTorch

• آشنایی با گراف‌های محاسباتی Introduction to computational graphs

• سه‌گانه نرم‌افزاری یادگیری عمیق The deep learning software trilemma

• انتزاع سخت‌افزاری در PyTorch: پردازنده‌های گرافیکی (GPU) PyTorch's device abstraction: GPUs

• تنسورها در PyTorch Tensors in PyTorch

• مقایسه گرادینت نزولی و SGD Comparing gradient descent and SGD

• پس‌انتشار آسان با torch.autograd Effortless backpropagation with torch.autograd

• لایه‌ها و توابع فعال‌ساز با torch.nn Layers and activations with torch.nn

• مقدمه‌ای بر گرادینت نزولی (Gradient Descent) Introduction to gradient descent

• کار با سخت‌افزارهای مختلف (Devices) Working with devices

• رسیدن به گرادینت نزولی تصادفی (SGD) Getting to stochastic gradient descent (SGD)

جمع‌بندی Conclusion

• خلاصه دوره Course summary