《PyTorch深度学习实践》课程是由刘洪普（刘二大人）老师(河北工业大学人工智能与数据科学学院教师)所讲授的PyTorch实践课程，在深度学习初学者中广泛流传。本项目总结了此课程的学习笔记，我们将所有的笔记开源，在自己学习的同时，希望也能帮助到他人，方便大家快速学习PyTorch入门以及复习回顾。笔记中关于深度学习算法等前置课程知识有所简略，重点集中于PyTorch的实践部分。
本项目的特色：
- 笔记与原课程视频对应，方便大家快速学习理解。
- 笔记包含代码样例，帮助大家快速上手实践。
课程视频共13节，单个视频平均时长不超过60分钟，预计一周可以学习完毕。
由于我们的水平有限，如有错误与疏漏，还望谅解，有任何问题欢迎随时指出，我们会进行更正，谢谢大家。
本项目所用徽章来自互联网，如侵犯了您的图片版权请联系我们删除，谢谢。
PyTorch是一个基于Torch的Python的开源机器学习框架，其具有强大的张量计算GPU加速、可以实现包含自动求导系统的神经网络搭建等功能。其代码简洁直观、易于理解，目前PyTorch框架在学术以及工业界得到了广泛应用，备受机器学习研究者的青睐。
- B站课程视频：深度学习实践
- 课程主页：深度学习实践
- PyTorch官方教程：PyTorch Tutorial
| 章节 | 视频 | 笔记 | 讲义 | 代码 |
|---|---|---|---|---|
| 1.引言 |  |
笔记-计算图 | 讲义-引言 | |
| 2.线性模型 |  |
讲义-线性模型 | ||
| 3.梯度下降法 |  |
笔记-梯度下降法 | 讲义-梯度下降法 | |
| 4.反向传播 |  |
讲义-反向传播 | ||
| 5.Pytorch实现线性回归 |  |
笔记-PyTorch实现线性回归 | 讲义-PyTorch实现线性回归 | 代码-PyTorch实现线性回归 |
| 6.逻辑斯蒂回归 |  |
笔记-逻辑斯蒂回归 | 讲义-逻辑斯蒂回归 | 代码-逻辑斯蒂回归 |
| 7.处理多维特征的输入 |  |
讲义-处理多维特征的输入 | ||
| 8.加载数据集 |  |
笔记-加载数据集 | 讲义-加载数据集 | 代码-加载数据集 |
| 9.多分类问题 |  |
笔记-多分类问题 | 讲义-多分类问题 | 代码-多分类问题 |
| 10.卷积神经网络（基础篇） |  |
笔记-卷积神经网络（基础篇） | 讲义-卷积神经网络（基础篇） | 代码-卷积神经网络（基础篇） |
| 11.卷积神经网络（高级篇） |  |
笔记-卷积神经网络（高级篇） | 讲义-卷积神经网络（高级篇） | 代码-卷积神经网络（高级篇） |
| 12.循环神经网络（基础篇） |  |
笔记-循环神经网络（基础篇） | 讲义-循环神经网络（基础篇） | 代码-循环神经网络（基础篇） |
| 13.循环神经网络（高级篇） |  |
笔记-循环神经网络（高级篇） | 讲义-循环神经网络（高级篇） | 代码-循环神经网络（高级篇） |
- codes：代码
- handouts：讲义
- notes: 笔记
- imgs：项目中的图片
感谢以下同学对本项目的组织
感谢以下同学对本项目的支持与贡献