PyTorch精要:应用为先 (LFD273)
PyTorch精要:应用为先 (LFD273)

PyTorch

章节:18章 时长:40小时

1,943.04 2,208.00 282人

通过利用计算机视觉和自然语言处理领域的流行预训练模型,覆盖广泛的实际应用,开始由PyTorch驱动的原型AI应用程序。

PyTorch精要:应用为先 (LFD273)

课程简介

本课程专为想要在PyTorch中添加深度学习模型的机器学习从业者设计--特别是计算机视觉和自然语言处理的预训练模型--以快速原型化和部署应用程序。本课程从PyTorch的概述开始,包括模型类、数据集、数据加载器和训练循环。接下来,它涵盖了迁移学习的作用和力量,以及如何将其与预训练模型一起使用。实践实验练习涵盖多个主题,包括:图像分类,目标检测,情感分析,文本分类和文本生成/完成。学员还将使用他们的数据来微调现有模型并利用第三方API。本课程提供实践经验,使用丰富的PyTorch和Hugging Face预训练模型生态系统来训练和微调深度学习模型,用于计算机视觉和自然语言处理任务。此外,您将能够使用TorchServe部署原型应用程序,允许您快速验证和演示您的应用程序。

 

课程特点:

 在线,自主学习 

 40小时学习内容

 含实操及作业

 注册后12月内有效

 有论坛可供交流

  

经验水平:中级

 

目录

 单元 1. Course Introduction

 单元 2. PyTorch, Datasets, and Models

 单元3. Building Your First Dataset 

 单元4. Training Your First Model

 单元5. Building Your First DataPipe

 单元6. Transfer Learning and Pretrained Models

 单元7. Pretrained Models for Computer Vision 

 单元8. Pretrained Models for Natural Language Processing

 单元9. Image Classification with Torchvision

 单元10. Fine-Tuning Pretrained Models for Computer Vision

 单元11. Serving Models with TorchServe

 单元12. Datasets and Transformations for Object Detection and Image Segmentation

 单元13. Models for Object Detection and Image Segmentation

 单元14. Object Detection Evaluation

 单元15. Word Embeddings and Text Classification

 单元16. Contextual Word Embeddings with Transformers

 单元17. Hugging Face Pipelines for NLP Tasks

 单元18. Q&A, Summarization, and LLMs

 


 

此课程为Linux 基金会官方原生课程,课程语言为英语。


0/200
相关证书

Linux基金会开源软件学园 Copyright © 2019-2024 linuxfoundation.cn, ICP license, no. 京ICP备17074266号-2