Модуль 1. Введение в Pytorch и тензоры (4 ак. ч.)
- Введение в курс
- Введение в нейронные сети
- Что такое PyTorch?
- Зачем использовать тензоры?
- Технические требования
- Облачные возможности
- Что такое тензоры
- Операции с тензорами
- Практикум по теме
Модуль 2. Классификация изображений (4 ак. ч.)
- Средства загрузки и обработки данных в PyTorch
- Создание тренировочного набора данных
- Создание проверочного и тестового набора данных
- Нейронная сеть как тензоры
- Активационная функция
- Создание сети
- Функция потерь
- Оптимизация
- Практикум, реализация на GPU
Модуль 3. Cверточные нейронные сети (6 ак. ч.)
- Построение простейшей сверточной нейронной сети в PyTorch
- Объединение слоев в сети (Pooling)
- Регуляризация нейронной сети (Dropout)
- Использование натренированных нейронных сетей
- Исследование структуры нейросети
- Пакетная нормализация (Batchnorm)
- Практикум по теме
Модуль 4. Использование и передача обученных моделей (5 ак. ч.)
- Использование ResNet
- Отбор по скорости обучения
- Градиент скорости обучения
- Расширение данных для переобучения
- Использование преобразователей Torchvision
- Цветовые и лямда преобразователи
- Пользовательские преобразователи
- Ансамбли
- Практикум по теме
Модуль 5. Классификация текста (5 ак. ч.)
- Рекуррентные нейронные сети
- Нейронные сети с памятью
- Библиотека Torchtext