Skip to main content

Pytorch 教程

本板块介绍 Pytorch 的基本使用技巧，具体的项目实现会分布到其他的 AI 课程中。

下面是目录：

还要补充的东西：

Pytorch 模型模块​

  1. Module&Parameter
  2. Module的容器
  3. 常用网络层
  4. Module常用API函数
  5. Hook函数及Grad-CAM
  6. 经典模型代码分析
  7. 权重初始化方法

Pytorch 优化模块​

  1. 21 个 损失函数
  2. 13 个优化器
  3. 14 个学习率调整器

Pytorch 可视化模块​

  1. TensorBoard安装与使用
  2. CNN卷积核与特征图可视化
  3. 混淆矩阵与训练曲线可视化
  4. CAM可视化与hook函数使用
  5. 模型参数打印

Pytorch 小技巧​

  1. 模型保存与加载
  2. Finetune 模型微调
  3. GPU使用
  4. 模型训练代码模板
  5. TorchMetrics 模型评估指标库
  6. Albumentations 数据增强库
  7. TorchEnsemble 模型集成库

图像项目案例​

  1. 图像分类
  2. 图像分割
  3. 目标检测 - 无人机检测
  4. 目标跟踪 - DeepSORT
  5. 生成对抗网络 - CycleGAN
  6. 扩散模型- DDPM
  7. 图像描述 - Image Caption
  8. 图像检索 - CLIP+Faiss+Flask

自然语言项目案例​

  1. 文本分类 - RNN-LSTM
  2. 机器翻译 - seq2seq
  3. 机器翻译 - Transformer
  4. 命名实体识别 - BERT
  5. 文章续写（问答） - GPT

安装部署​

如何微调，RELU

  1. Qwen
  2. ChatGLM3
  3. Baichuan2
  4. Yi
  5. GPT Academic

ONNX​

onnx Runtime


TensorRT​

  1. 简介与安装

  2. TensorRT 工作流 和 cuda-python

  3. trtexec 工具

  4. 模型量化 - PTQ / QAT

  5. TensorRT Python 工程化