自 2017 年 1 月 PyTorch 推出以来,其热度持续上升,一度有赶超 TensorFlow 的趋势。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点,如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。因此,走上学习 PyTorch 的道路已刻不容缓。
《PyTorch模型训练实用教程》内容主要为在 PyTorch 中训练一个模型所可能涉及到的方法及函数,并且对 PyTorch 提供的数据增强方法(22 个)、权值初始化方法(10 个)、损失函数(17 个)、优化器(6 个)及 tensorboardX 的方法(13 个) 进行了详细介绍。
《PyTorch模型训练实用教程》分为四章,结构与机器学习三大部分一致。 第一章,介绍数据的划分,预处理,数据增强; 第二章,介绍模型的定义,权值初始化,模型 Finetune; 第三章,介绍各种损失函数及优化器;第四章,介绍可视化工具,用于监控数据、模型权及损失函数的变化。