-
Chapter 2: PyTorch Basics
-
Chapter 3: Neural Networks
-
Chapter 4: Convolutional neural network
-
Chapter 5: Recurrent neural network
-
Chapter 6: Generative Adversarial Network
- Autoencoder
- Variational Autoencoder
- Generative Adversarial Network
- Deep convolutional generative adversarial networks (DCGANs) Generating a Face
-
Chapter 7: 深度强化学习
-
Chapter 8: PyTorch高级
- tensorboard Visualization
- Data IO
- autograd.function 的介绍
- 数据并行和多 GPU
- 使用 ONNX 转化为 Caffe2 模型
- 如何部署训练好的神经网络
- 打造属于自己的 PyTorch 的使用习惯
-
Chapter 9: Computer Vision
- Fine-tuning: Transfer learning through fine tuning
- kaggle初体验:猫狗大战
- 语义分割: 通过 FCN 实现像素级别的分类
- Pixel to Pixel 生成对抗网络
- Neural Transfer: 通过卷积网络实现风格迁移
- Deep Dream: 探索卷积网络眼中的世界
-
Chapter 10: Natural language processing
- Char RNN 实现文本生成
- Image Caption: 实现图片字幕生成
- seq2seq 实现机器翻译
- cnn + rnn + attention 实现文本识别
关于深度学习的一些公开课程以及学习资源,可以参考我的这个repository
关于PyTorch的资源
我的github repo pytorch-beginner
本书的第二版内容其中一些部分参考了 mxnet gluon 的中文教程,通过MXNet/Gluon来动手学习深度学习。
Gluon 是一个和 PyTorch 非常相似的框架,非常简单、易上手,推荐大家去学习一下,也安利一下 gluon 的中文课程,全中文授课,有视频,有代码练习,可以说是最全面的中文深度学习教程。