Dive-into-CV-PyTorch

本项目《动手学CV-Pytorch版》是Datawhale:whale:CV小组近期开始推动的一个重点项目。受启发于李沐老师的《动手学深度学习》，我们旨在构建一个以Pytorch为框架，强调动手实战的计算机视觉教程项目，帮助大家更好的学习。

项目大体上会分为3个阶段，循序渐进：

• 入门篇

  主要面向刚入门的学习者，带你走进CV的世界。

• 中级篇

  以动手实战的方式为主，通过案例带你对CV的各个细分领域有所了解。

• 高级篇

  主要以paper笔记或教程的形式分享最新的研究，学无止境。

“for the learner，和学习者一起成长”是我们的愿景。

目前项目还处于初期：入门篇的开发阶段。如果热爱学习且认同Datawahle开源精神的你正好路过，不妨先点个:star:收藏一下吧，相信随着项目的推进，你我将互相见证彼此的进步。

食用方法

没什么特别的，每一小节都配备了markdown教程，涉及实战的部分会有相应的代码。学就完事了～

为避免各位遇到GitHub的网络问题，教程中使用的图片均已上传到项目的markdown_imgs目录下，并在md文件中使用类似![test img](../../markdown_imgs/test_img.jpg)的相对路径进行引用

常见问题：

github无法加载图片的解决办法

公式无法正常显示接近办法：部分理论较多的章节不可避免的会涉及公式，为了让公式正常显示，强烈建议安装chrome的MathJax Plugin for Github插件。

以下是目录与代码更新进度

动手学CV-Pytorch 入门篇

• 1. 预备知识
  • 1.1 深度学习环境配置
  • 1.2 Pytorch基础使用介绍
  • 1.3 自动求梯度
  • 1.4 线性回归-小试身手
• 2. 图片分类入门
  • 2.1 数据读取与数据扩增
  • 2.2 图像分类介绍
    • 2.2.1 卷积神经网络基础
      • 二维卷积层
      • 填充和步幅
      • 多输入通道和多输出通道
      • 池化层
    • 2.2.2 经典图像分类模型介绍(根据情况删减)
      • LeNet
      • AlexNet
      • VGG
      • 网络中的网络（NiN）
      • 含并行连结的网络（GoogLeNet）
      • 批量归一化（Batch Normalization）
      • 残差网络（ResNet）
  • 2.3 模型训练与验证
    • 2.4.1 模型训练与调参
    • 2.4.2 模型微调
    • 2.4.3 模型保存与加载
  • 2.4 模型集成
  • 2.5 天池计算机视觉入门赛: SVHN数据集实战

持续更新中......

致谢

贡献者名单

成员	介绍	个人主页
安晟	一只普通的算法攻城狮	CSDN博客, Github
阿水	公众号：Coggle数据科学	知乎
王程伟	南昌航空大学研究生	CSDN博客
张强	宁波大学计算机硕士	Github
伊雪	中电科网安研究院开发工程师

关注我们