啊?深度学习新手研究生别看小土堆PyTorch?!越看越懵?!

研0或研一|如何快速入门深度学习? pytorch深度学习(共计169页,基于本人听完B站小土堆PyTorch深度学习快速入门教程所写)直接复制下方链接即可。 阅读详情

如果你是深度学习新手、研0/研一的科研小白,现在正打算看小土堆的PyTorch教程和李沐老师的深度学习教程,那我现在有些话要对你说,听完一定对你有很大帮助。

图片

一、深度学习新手研究生的常见误区

网上都说要学PyTorch就直接看小土堆,但如果你真的刷过小土堆的PyTorch课程,那就不一定会这么想了

图片

大部分走弯路的新手就是因为对深度学习没什么了解,直接看这个视频听得似懂非懂的,然后感觉这个教程好像也不咋滴,然后被导师催进度一直看论文,等有了idea想跑实验的时候,才发现就算有现成代码自己去复现也很难。

因此,我并不建议深度学习完全零基础的新手小白直接看这个课,第一,你直接看这个课并不能发挥这门课程的真正价值,最多就是过一遍;第二,没有基础直接看反而容易让自己陷入半懂不懂的状态,只能越看越懵

二、遇事不决,先看鱼书

如果你现在就有这种懵懂的感觉,别犹豫!直接去看《深度学习入门:基于Python的理论与实现》(俗称鱼书),不要怕看不懂,这本书就是完全从零开始教你深度学习的,只需要懂一点数学就行了,不需要你有什么前置基础。

整本书也就只有8章,你每天看一章,花一个礼拜左右的时间把整本书看完,并且跟着作者把里面的代码给敲一遍,一周之后绝对会让你的深度学习和代码能力有极大改善!

图片

图片

文章中所有的数据和资料,可添加小助手无偿分享~

扫码添加小助手即可无偿获取~


也可以关注“AI技术星球”公众号,关注后回复“221C”获取。

三、打牢基础,趁热打铁

有了鱼书的基础之后,再去看小土堆的PyTorch视频就会顺畅多了,这个时候跟着视频把代码敲一遍、跑一遍,有不懂的地方直接去问大模型,比如模型save的两种保存方式为什么需要重写一遍module这种问题,这样你才能真正锻炼到自己的代码能力,把基础打牢。

图片

图片

四、动手学深度学习,为写论文做准备

看完小土堆的课之后,建议去读李沐老师的《动手学深度学习(PyTorch版)》

图片

图片

这里推荐大家只看书,别看视频!

虽然李沐老师讲课水平很高、功底很深,但是这门课的难度比较大、不是那么好理解;

其次就是相对于看书来说,看视频课其实是被动输入的过程,很多不懂的地方可能直接就略过去了,印象不深还容易忘;

再者就是看视频课至少得一个半月左右,但看书的话能省下不少的时间,你可以按照自己的节奏,跳过已经会的内容,把学不懂的地方多翻几遍。

图片

其实有了前面鱼书和小土堆的基础之后,配合大模型再去看李沐老师的《动手学深度学习》就已经很轻松了,效率非常高!一个月的时间看完PDF之后就可以开始看你研究方向的论文and跑代码了。

如果你勤快一点,整个流程大概就是两个月左右,很多人学深度学习走了太多弯路,主要也是因为基础不牢。希望这些建议对你有所帮助!

 文章中所有的数据和资料,可添加小助手无偿分享~

扫码添加小助手即可无偿获取~


也可以关注“AI技术星球”公众号,关注后回复“221C”获取。

小土堆pytorch学习 B站小土堆Pytoch学习 阅读详情

相关推荐

PyTorch教程——小土堆笔记

PyTorch教程一小土堆笔记

weixin_53236432的博客 4334

看不懂李沐,不是你笨,是路线走反了。

深度学习的入门门槛已经被这些优秀的课程拉得很低了。吴恩达给了你理论框架,小土堆给了你API入门,刘二大人给了你原理解析,李沐给了你深度剖析。但没有人能替你走完最后一公里,那就是自己动手做一个完整的项目。你问要不要看李沐,我的回答是:要看的,但别现在看。先去Kaggle上找个入门比赛,或者去GitHub上找个开源项目,把它跑通,改超参数,调模型,看它从准确率70%提升到85%的过程。那种成就感,比听懂一百节课都管用。以上,是我对深度学习入门路线的建议。你呢?

2501_91695478的博客 453

pytorch深度学习笔记(共计169页,基于本人听完B站小土堆PyTorch深度学习快速入门教程所写)

pytorch深度学习(共计169页,基于本人听完B站小土堆PyTorch深度学习快速入门教程所写)

LGL 1109

零基础学习之万物皆可GAN学习路线

这是0基础小白的学习路线,完全适合一点基础都没有的人学习,中间可能会遇到比较晦涩难懂的代码,而且也是比较枯燥的,但是如果坚持下来了,后面你就会发现你有比较大的提升了。然后你拿到别人的论文直接看,然后就知道人家具体在说什么。然后一些具体的想法,你可以看论文,我大概是一个星期看3篇外文的文献吧。

m0_61985580的博客 4510

小土堆pytorch深度学习记录

b站小土堆深度学习课程学习记录

weixin_45803006的博客 1546

PyTorch深度学习快速入门【小土堆】

1.关注transforms中参数输入和输出类型2.多看官方文档3.关注方法需要什么参数:参数如果设置了默认值,保留默认值即可,没有默认值的需要指定(看一下要求传入什么类型的参数)直接print该变量,print(type()),看结果里显示什么类型最后要 totensor,在 tensorboard 看一下结果(tensorboard需要tensor数据类型进行显示)8. torchvision 中的数据集使用。

weixin_56054625的博客 1886

【PyTorch教程】pytorch入门系列 ——土堆教程的目录及索引

几句题外话 深度学习上手已经很长时间了,还记得最初的入门是跟着B站up小土堆的一步步学起来的,从起初的环境配置,到现在调整整个模型的进阶,非常感谢土堆的贡献。 写这个博客的初衷是为了自己看着方便,由于多台电脑多个环境下查看这些内容很麻烦,所以一咬牙把所有内容全都Po出来。现在,也希望对刚上手深度学习的你有帮助。 这个系列写完好了好久了,是根据我看过好几次的一个教程整理过来的,我觉得收益非常大,现在把目录写在这里: 首先附上土堆的B站视频链接: 土堆最棒 👆点击查看 P6-P7 数据加载 P8-9 _T

weixin_42306148的博客 2万+

深入解析MTK平台hang_detect机制:从原理到实战调试

本文深入解析了MTK平台hang_detect机制的工作原理与实战调试技巧。作为系统健康监测的核心机制,hang_detect通过多层级监控体系检测应用层和内核层异常,结合Kernel_exception等日志信息快速定位问题。文章详细介绍了典型问题案例、调试方法及预防措施,帮助开发者提升MTK平台系统稳定性调试能力。

purple的博客 1005

PyTorch深度学习-跟着小土堆学习

目录学习视频链接P4:Python/PyTorch学习中两大法宝函数-dir()、help() 学习视频链接 学习非一日之功,而我又是脑子转得慢,只有慢慢学起来呀! 先从第一个【小土堆】的视频学起来! PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】 《PyTorch深度学习实践》完结合集-刘二大人 【小土堆】给出的资料:(2021-5-31完结的) 个人公众号:土堆碎念 各种资料,请自取。 代码:https://github.com/xiaotudui/PyTorch-Tutoria

孟孟单单的博客 6489

单卡调试OpenGait:从分布式到本地的轻量级改造指南

本文为个人开发者和研究者提供了一份详细的OpenGait框架单卡调试指南。针对该框架默认依赖多GPU分布式训练的问题,文章通过分析核心痛点,逐步讲解了如何从环境搭建、绕过分布式初始化陷阱、处理通信后端报错到最终配置与调试,实现从分布式到本地的轻量级改造,帮助读者在单张GPU上高效进行步态识别模型的验证与学习。

weixin_28223453的博客 139

华大HC32F460RS485通信实验

华大HC32F460RS485通信实验

ZhuoWuKeJi的博客 1798

【Pytorch入门】小土堆PyTorch入门教程完整学习笔记(详细笔记并附练习代码 ipynb文件)

【Pytorch入门】小土堆PyTorch入门教程完整学习笔记(详细笔记 文末附练习代码 ipynb文件)

几度热忱的博客 3万+

R语言中的Gamma分布函数

在R语言中,我们可以使用最大似然估计(Maximum Likelihood Estimation,MLE)或最小二乘估计(Least Squares Estimation,LSE)等方法来估计Gamma分布的参数。本文介绍了在R语言中使用Gamma分布函数的基本操作,包括生成随机变量、计算概率密度函数和累积分布函数,以及参数估计和拟合。函数来生成Gamma分布的随机变量,计算概率密度函数(PDF)和累积分布函数(CDF),以及进行参数估计和拟合。要计算Gamma分布的累积分布函数(CDF),我们可以使用。

ByteWhiz的博客 1632

2024pytorch小土堆安装教程(GPU),踩坑总结

本人小白,应老师要求自学深度学习,跟着b站up小土堆老师学习深度学习,第一节课是安装pytorch,在历经三次失败后才获得成功,于是决心写下自己的总结以供大家参考借鉴。以下均基于小土堆的PyTorch深度学习快速入门教程的内容上得到,希望能对有同样问题的朋友们有所帮助。

m0_73760303的博客 1795

Unity零基础到进阶 ☀️| Unity中的 GC及优化 超级全面解析 ☆(ゝω・)v 建议收藏!

介绍: 在游戏运行的时候,数据主要存储在内存中,当游戏的数据在不需要的时候,存储当前数据的内存就可以被回收以再次使用。内存垃圾是指当前废弃数据所占用的内存,垃圾回收(GC)是指将废弃的内存重新回收再次使用的过程。 Unity中将垃圾回收当作内存管理的一部分,如果游戏中废弃数据占用内存较大,则游戏的性能会受到极大影响,此时垃圾回收会成为游戏性能的一大障碍点。 本文我们主要学习垃圾回收的机制,垃圾回收如何被触发以及如何提GC收效率来提高游戏的性能。 Unity内存管理机制简介 要想了解垃圾回收如何工作以及何时被

努力前行,总会成为自己心中的那道光 6万+

【AI产品思路】用户旅程图与用户全生命周期:到底是什么关系?

用户旅程图(User Journey Map)和用户全生命周期(User Lifecycle)是两种不同的分析框架。用户旅程聚焦单次交易体验的完整过程(如浏览→下单→售后),关注触点、情绪和优化点;而用户生命周期则关注用户与平台的长期关系(从认知到流失),着重提升留存和LTV。两者互为补充:生命周期是时间维度的关系框架,旅程图是行为维度的体验路径。电商运营中,旅程优化改善单次体验,生命周期优化解决长期增长问题,二者结合才能实现体验提升与商业效率的双赢。

qq_25438419的博客 218

PyTorch深度学习快速入门教程【小土堆】详细学习笔记(第1-11个视频笔记)

特别是在训练网络时,我们可以设置不同的参数(比如:权重W、偏置B、卷积层数、全连接层数等),使用TensorBoard可以很直观的帮我们进行参数的选择。可以发现,此时各变量前后有双下划线,说明is_available已经不是一个分隔区了,而是一个函数了,此时可用help()函数来查看该函数的用法。讲解的非常好,下述代码中进行了详细的标注,视频值得反复观看、代码值得反复阅读和背诵。1)在PyCharm中运行代码,在当前目录下会生成一个名为tensorboard-test的文件夹,里面包含了代码运行后的结果。

zly19980718的博客 2534

Opencascade 保存点云为 .stp 和 .step 格式

总结一下,OpenCascade提供了强大的功能和工具,使我们能够方便地将点云数据保存为 .stp 和 .step 格式。通过使用类似于上述示例代码的方法,你可以使用OpenCascade库将点云数据保存为.STP和.STEP格式。总结一下,使用OpenCascade库,你可以方便地将点云数据保存为.STP和.STEP格式。通过使用类似于上述示例代码的方法,你可以将点云数据转换为OpenCascade的几何模型,并将其保存为所需的文件格式。请注意,上述代码仅涵盖了将点云数据保存为.STP格式的基本步骤。

CwzCode的博客 1157

PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】笔记

PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】笔记一级目录二级目录三级目录 链接: PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】. 一级目录 二级目录 三级目录

sinat_39448069的博客 2万+

ZY1-02D (ZY1E)多光谱数据预处理

资源一号02D卫星(5米光学卫星)于2019年9月12日成功发射,卫星搭载的两台相机,可有效获取115公里幅宽的9谱段多光谱数据以及60公里幅宽的166谱段高光谱数据,其中全色谱段分辨率可达2.5米、 多光谱为10米、高光谱优于30米,高光谱载荷可见近红外和短波红外光谱分辨率分别达到10纳米和20纳米。

热爱分享,热爱记录 4832

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

pytorch学习(小土堆)

b站小土堆的pytorch教学视频,实在是太好了。不光教代码的语法功能,更重要的是教你看pytorch官网。 本文作为学习笔记,将小土堆提供的GPU训练代码进行详解分析,(因为这个案例基本上综合了小土堆前面讲过的所有内容)防止自己忘了。可以随时查看。 代码 import torch import torchvision from torch.utils.tensorboard import SummaryWriter # from model import * # 准备数据集 from torch

dushib的博客 4059

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

小土堆Pytorch笔记

小土堆Pytorch笔记,有部分改进,并记录遇到的问题

q1111111的博客 4577

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

小土堆pytorch学习笔记

小土堆pytorch学习笔记

gls_nuaa的博客 1131

小土堆PyTorch笔记

教程链接:【PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】】https://www.bilibili.com/video/BV1hE411t7RN?p=32&vd_source=f717c2112946f17e567aedfc2225b30e特别鸣谢几度热忱大佬的博客参考【Pytorch入门】小土堆PyTorch入门教程完整学习笔记(详细笔记并附练习代码 ipynb文件)-优快云博客GitHub代码仓库symyyds/pytorch_tudui: tudui_pytorchhttps://

m0_61179495的博客 677

PyTorch深度学习快速入门教程 - 【小土堆学习笔记】

博主本人技术力不高,这篇博客可能会因为个人水平问题出现一些错误,但作为小白,还是希望能写下一些碰到的坑,尽力帮到其他小白。

做一只猫的博客 4283

Pytorch深度学习(小土堆)

注意此代码中的 add_images 而不是 add_image,因为 imgs 包含多张图片。如果 Dataset 大小不能被 batch_size 整除,则设置为。可在每个 epoch 重新排列数据(默认为。以丢弃最后一个不完整的批次;每次加载多少个样本(默认为。用于数据加载的子进程数量。表示数据将在主进程中加载;

2301_79715645的博客 1525
上一篇: 最近,别学机器学习深度学习!
下一篇: 手都写麻了!研一、研二如何用三个月入门深度学习并写篇论文的一般流程,我做出来了!!
深度学习机器学习
博客等级 码龄2年 495粉丝 102原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值