此github repository是放置「pytorch手把手實作課程」檔案教材用
投影片因可能涉及公司相關內容,所以下架,但Code Example不涉及公司相關內容,所以還是能下載來用。
內容概述:
主要介紹公開資料(UCI database,kaggle等)的來源,和怎麼用pytorch來讀取/下載pytorch內建的資料庫
然後怎麼利用pytorch建立自有資料集的dataset和dataloader
PPT:
Code Example:
- 01_database.ipynb
- 01_database_private.ipynb
- 01_database_pytorch.ipynb
- 02_pytorch_dataloader.ipynb
- 02_pytorch_dataloader_linux.ipynb
內容概述:
1.介紹pytorch內建的Data augmentation技巧和怎麼使用這些函數。
2.介紹怎麼利用pytorch建立整個分類模型的流程(訓練和測試),在pytorch內建的開源資料庫和私有資料庫上。
範例圖片為./dataset/Example_fruit.rar
PPT:
Code Example:
- 03_Pytorch_dataAug.ipynb
- 03_Pytorch_dataAug_Perspective.ipynb
- 04_pytorch_classification.ipynb
- 05_pytorch_Advanced.ipynb
- 06_pytorch_classification_example.ipynb
內容概述:
1.講述有沒有Data augmentation對模型訓練實際的影響,資料庫為CIFAR10。
2.在pytorch內怎麼建立和操控conv weight以及相關常用的operators(i.e. Pool, activation function)
3. 手刻一個ResNet18並且在CIFAR10上實作。
PPT:
Code Example:
- 07_pytorch_classification_DataAugumentionImprove.ipynb
- 08_pytorch_operator_conv.ipynb
- 08_pytorch_operators.ipynb
- 09_pytorch_classification_resnet.ipynb
內容概述:
- Image semantic segmentation: 建立一個UNet架構,必且以VOC2007資料庫為例
- DCGAN,以MNIST為例
- Stacked AutoEncoder,以MNIST為例
Note:
VOC2007資料庫,我先載好放到google drive,大家可以先去下載
下載後放置\dataset資料夾內,然後解壓縮即可。
PPT:
- class 4 深度學習Pytorch手把手實作_Segmentation.pptx
- class 4 深度學習Pytorch手把手實作_AutoEncoer.pptx
- class 4 深度學習Pytorch手把手實作_GAN
Code Example:
- 10_pytorch_SemanticSegmentation_VOC2007
( 我先訓練好的權重檔案:
Seg_Train_scratch,
Seg_Train_TransferLearning
)
- 11_Pytorch_AutoEncoder.ipynb
( 我先訓練好的權重檔案:
AE_MNIST.pth,
AE_MNIST_Decoder.pth,
AE_MNIST_Encoder.pth
)
- 12_Pytorch_DCGAN.ipynb
( 我先訓練好的權重檔案:
DCGAN_Generator,
DCGAN_Discriminator
)
內容概述:
- Road-Sign-Detection資料庫介紹。
- Object Detection概述和 手刻一個最陽春的物件偵測模型。
- 利用YOLOv1的loss function來進行物件偵測。
- 已訓練好的模型怎麼讀到電腦內。
Note:
Road-Sign-Detection資料庫,我先載好放到google drive - stopsign.zip,大家可以先去下載
下載後放置\dataset資料夾內,然後解壓縮即可。
PPT:
Code Example:
- 13_DataBase_TrafficSign.ipynb
- 14_pytorch_objectdetection.ipynb
(我先訓練好的權重檔案:
Model_OD_trafficsign.pth
)
- 15_pytorch_objectdetection_yolov1.ipynb
(我先訓練好的權重檔案:
YOLOv1_RestNet18.pth
)
- 16_pytorch_HowtoModelLoading.ipynb
內容概述:
- IoU簡介。
- 利用YOLOv3來進行物件偵測。
Note:
Road-Sign-Detection資料庫,我先載好放到google drive - stopsign.zip,大家可以先去下載
下載後放置\dataset資料夾內,然後解壓縮即可。
PPT:
Code Example:
講師: AIRD 曾華志(Geroge)
內容概述:
Quantization: Quantization Flow, Per-channel and Per-layer Quantization, Quantization Aware Training
Note: 貓狗測試資料庫
PPT:
Code Example:
- example_1_sample_quantization.ipynb
- example_2_symmtric_vs_asymmtric.ipynb
- example_3_conv_bn_relu.ipynb
- example_4_quantize_model_calssifier_cat_dog.ipynb (不公開)
(先訓練好的權重檔案: BEST_checkpoint.pth)