آموزش پایه های PyTorch

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

شروع کار با PyTorch برای یادگیری ماشین Getting Started with PyTorch for Machine Learning

• بررسی اجمالی ماژول Module Overview

• پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

• نمایندگی یادگیری با استفاده از شبکه های عصبی Representation Learning Using Neural Networks

• نورون به عنوان یک تابع ریاضی Neuron as a Mathematical Function

• توابع فعال سازی Activation Functions

• معرفی PyTorch Introducing PyTorch

• TensorFlow و PyTorch TensorFlow and PyTorch

• نسخه ی نمایشی: PyTorch نصب و راه اندازی Demo: PyTorch Install and Setup

• خلاصه Summary

سنسورهای PyTorch در حال کار Working PyTorch Tensors

• بررسی اجمالی ماژول Module Overview

• نسخه ی نمایشی: ایجاد و راه اندازی اولیه تنتورها Demo: Creating and Initializing Tensors

• نسخه ی نمایشی: عملیات ساده بر روی تانسورها Demo: Simple Operations on Tensors

• نسخه ی نمایشی: عملیات عناصر و ماتریس بر روی تانسورها Demo: Elementwise and Matrix Operations on Tensors

• نسخه ی نمایشی: تبدیل بین تنتورهای PyTorch و آرایه های NumPy Demo: Converting between PyTorch Tensors and NumPy Arrays

• پشتیبانی PyTorch برای دستگاه های CUDA PyTorch Support for CUDA Devices

• نسخه ی نمایشی: راه اندازی یک Deep Learning VM برای کار با GPU ها Demo: Setting up a Deep Learning VM to Work with GPUs

• نسخه ی نمایشی: ایجاد تنور در دستگاه های دارای CUDA Demo: Creating Tensors on CUDA-enabled Devices

• نسخه ی نمایشی: کار با مدیر زمینه دستگاه Demo: Working with the Device Context Manager

• خلاصه Summary

کار با Gradients با استفاده از کتابخانه Autograd Working with Gradients Using the Autograd Library

• بررسی اجمالی ماژول Module Overview

• بهینه سازی نزول گرادیان Gradient Descent Optimization

• پاس های جلو و عقب Forward and Backward Passes

• محاسبه شیب ها Calculating Gradients

• استفاده از Gradients برای به روزرسانی پارامترهای مدل Using Gradients to Update Model Parameters

• دو پاس در حالت معکوس تمایز خودکار Two Passes in Reverse Mode Automatic Differentiation

• نسخه ی نمایشی: معرفی Autograd Demo: Introducing Autograd

• نسخه ی نمایشی: کار با Gradients Demo: Working with Gradients

• نسخه ی نمایشی: متغیرها و تنتورها Demo: Variables and Tensors

• نسخه ی نمایشی: آموزش یک مدل خطی با استفاده از Autograd Demo: Training a Linear Model Using Autograd

• خلاصه Summary

ساخت نمودارهای محاسبه پویا Building Dynamic Computation Graphs

• بررسی اجمالی ماژول Module Overview

• نمودارهای محاسبه پویا و استاتیک Static vs. Dynamic Computation Graphs

• نمودارهای محاسبه پویا در PyTorch Dynamic Computation Graphs in PyTorch

• نسخه ی نمایشی: نصب Tensorflow ، Graphviz و Hidden Layer Demo: Installing Tensorflow, Graphviz, and Hidden Layer

• نسخه ی نمایشی: ساخت نمودارهای محاسبات پویا با PyTorch Demo: Building Dynamic Computations Graphs with PyTorch

• نسخه ی نمایشی: تجسم شبکه های عصبی در PyTorch با استفاده از لایه پنهان Demo: Visualizing Neural Networks in PyTorch Using Hidden Layer

• نسخه ی نمایشی: ساخت نمودارهای محاسبه ایستا با جریان تنسور Demo: Building Static Computation Graphs with Tensorflow

• نسخه ی نمایشی: تجسم نمودارهای Tensorflow با Tensorboard Demo: Visualizing Tensorflow Graphs with Tensorboard

• نسخه ی نمایشی: نمودارهای محاسبه پویا در Tensorflow با اعدام با اشتیاق Demo: Dynamic Computation Graphs in Tensorflow with Eager Execution

• اشکال زدایی در PyTorch و Tensorflow Debugging in PyTorch and Tensorflow

• خلاصه و مطالعه بیشتر Summary and Further Study