Learn_Dive-into-DL-PyTorch
Datawhale第10期组队学习活动：《动手学深度学习》Pytorch版 的练习代码
课程页面：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV
本项目由5群助教维护, 为在自己环境进行练习的同学提供一个参考。
本项目也会根据课程进度，上传必要的数据集，方便大家下载。
学习中常见问题及解决办法：https://shimo.im/docs/86tr6VvQVRdvkX8r
如何下载数据集到自己的环境？
按照官方给出的解释，work文件夹下的数据都能下载到本地，input文件夹里的数据原则上不能下载
所以我们用代码把数据集挪到work下就好了
图片有时加载不出来，这里再简单描述下步骤：
步骤1:在镜像中添加一个代码块，加入拷贝input目录下数据集到work目录下，并进行打包的代码
步骤2:运行代码段
步骤3:右键点击work下的数据集文件并进行下载
步骤4:在本地解压(和鲸提供的镜像没装zip命令，所以我只能压成tar的，若无法解压得装一个解压软件，经测试好压是可以)
需要根据实际情况替换下面的路径，代码示例：
import os
cp_str = 'cp -r /home/kesci/input/nltk_data3784/nltk_data /home/kesci/work'
os.system(cp_str)
tar_str = 'tar czvf /home/kesci/work/nltk_data.tar /home/kesci/work/nltk_data'
os.system(tar_str)
print('finish')学习内容安排与代码更新进度
-
线性回归 🍺
-
softmax回归
🍺 -
多层感知机
🍺 -
文本预处理 🍺
-
语言模型
🍺 -
循环神经网络基础
-
过拟合、欠拟合及其解决方案
-
梯度消失、梯度爆炸
-
循环神经网络进阶
-
机器翻译及相关技术
-
注意力机制与Seq2seq模型
-
Transformer
-
卷积神经网络基础
-
leNet
-
卷积神经网络进阶
-
批量归一化和残差网络
-
凸优化
-
梯度下降
-
优化算法进阶
-
word2vec
-
词嵌入进阶
-
文本分类
-
数据增强
-
模型微调
-
目标检测基础
-
图像风格迁移
-
图像分类案例1
-
图像分类案例2
-
GAN
-
DCGAN
-
代码大作业
【奖励机制与要求】
基本奖励：结营证书（完成学习任务和打卡）
Datawhale奖励：【优秀学习者】和【优秀团队】证书，Datawhale【组织邀请】（优质学习笔记，群内积极讨论，帮助答疑）
额外奖励：【保密】：（伯禹平台讨论区优秀问题，学习成果，参与答疑）
【打卡规则】
1.本次学习的打卡形式为自行选择平台（CSDN，简书，Github等）撰写【学习笔记】，学习结束后助教将根据打卡内容，评选【优秀学习者】和【优秀团队】并【颁发证书】。
2.本次学习一共5次打卡，每位同学需在打卡截止期前打卡，一次不打卡将会【被抱出群】（依然可以在伯禹平台继续学习）
3.优秀的学习成果可通过打卡结果参考，更希望大家沉淀在伯禹平台讨论区，触发【额外奖励】。
【参考资料】
《动手学深度学习》中文版官网教材：http://zh.gluon.ai/
PyTorch中文文档：https://pytorch-cn.readthedocs.io/zh/stable/
部分PyTorch代码来自GitHub开源仓库：https://github.com/ShusenTang/Dive-into-DL-PyTorch