SUMMARY 莫烦 PyTorch 系列教程 PyTorch 简介 1.1 – Why PyTorch? 1.2 – 安装 PyTorch PyTorch 神经网络基础 2.1 – Torch vs Numpy 2.2 – 变量 (Variable) 2.3 – 激励函数 (Activation) 建造第一个神经网络 3.1 – 关系拟合 (回归 Regression) 3.2 – 区分类型 (分类 Classification) 3.3 – 快速搭建回归神经网络 3.4 – 保存和恢复模型 3.5 – 数据读取 (Data Loader) 3.6 – 优化器 (Optimizer) 高级神经网络结构 4.1 – CNN 卷积神经网络 4.2 – RNN 循环神经网络 (分类 Classification) 4.3 – RNN 循环神经网络 (回归 Regression) 4.4 – AutoEncoder (自编码/非监督学习) 4.5 – DQN 强化学习 (Reinforcement Learning) 4.6 – GAN (Generative Adversarial Nets 生成对抗网络) 高阶内容 5.1 – 为什么 Torch 是动态的 5.2 – GPU 加速运算 5.3 – Dropout 防止过拟合 5.4 – Batch Normalization 批标准化 我们一直在努力 apachecn/AiLearning 为正常使用来必力评论功能请激活JavaScript