آموزش ضروری PyTorch: یادگیری عمیق

معرفی Introduction

• آنچه شما باید بدانید What you should know

• یادگیری عمیق با PyTorch Deep learning with PyTorch

• تور کدرپد Tour of CoderPad

1. بررسی اجمالی PyTorch و معرفی Google Colaboratory 1. PyTorch Overview and Introduction to Google Colaboratory

• مقدمه ای بر یادگیری عمیق Introduction to deep learning

• اصول اولیه Google Colaboratory Google Colaboratory basics

• چرا باید از PyTorch استفاده کنید Why should you use PyTorch

2. تانسورها 2. Tensors

• ایجاد یک نمونه GPU تانسور Creating a tensor GPU example

• ایجاد یک نمونه CPU تانسور Creating a tensor CPU example

• مقدمه ای بر تانسورها Introduction to tensors

• جابجایی تانسورها بین CPU و GPU Moving tensors between CPUs and GPUs

3. ایجاد تانسور 3. Creating Tensors

• روش های مختلف برای ایجاد تانسور Different ways to create tensors

• ایجاد تانسور مانند سایر تانسورها Creating tensors like other tensors

• راه حل: ایجاد تانسور Solution: Create tensors

• ویژگی های تانسور Tensor attributes

• ایجاد تانسور از نمونه های تصادفی Creating tensors from random samples

• انواع داده های تانسور Tensor data types

4. تانسورها را دستکاری کنید 4. Manipulate Tensors

• عملیات جبر خطی Linear algebra operations

• تمایز خودکار (Autograd) Automatic differentiation (Autograd)

• راه حل: تانسورها را برای تشکیل تانسورهای جدید تقسیم کنید Solution: Split tensors to form new tensors

• توابع ریاضی Mathematical functions

• عملیات تانسور Tensor operations

5. توسعه یک مدل یادگیری عمیق 5. Developing a Deep Learning Model

• مقدمه ای بر فرآیند آموزش DL Introduction to the DL training process

• توسعه و آموزش مدل Model development and training

• بارگذاری داده ها Data loading

• آماده سازی داده ها Data preparation

• اعتبار سنجی و آزمایش Validation and testing

• تبدیل داده ها Data transforms

• دسته بندی داده ها Data batching

نتیجه Conclusion

• مراحل بعدی Next steps