TommyHuang821 / Pytorch_DL_Implement

Pytorch手把手實作課程

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。

Class 1:

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:

• 深度學習Pytorch手把手實作_01_資料庫.pptx
  
• 深度學習Pytorch手把手實作_02_pytorch dataloader.pptx
  

Code Example:

• 01_database.ipynb
  
• 01_database_private.ipynb
  
• 01_database_pytorch.ipynb
  
• 02_pytorch_dataloader.ipynb
  
• 02_pytorch_dataloader_linux.ipynb
  

---

Class 2:

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:

• Class 2 深度學習Pytorch手把手實作_分類.pptx
  

Code Example:

• 03_Pytorch_dataAug.ipynb
  
• 03_Pytorch_dataAug_Perspective.ipynb
  
• 04_pytorch_classification.ipynb
  
• 05_pytorch_Advanced.ipynb
  
• 06_pytorch_classification_example.ipynb
  

---

Class 3:

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:

• Class 3 深度學習Pytorch手把手實作_模型.pptx
  

Code Example:

• 07_pytorch_classification_DataAugumentionImprove.ipynb
  
• 08_pytorch_operator_conv.ipynb
  
• 08_pytorch_operators.ipynb
  
• 09_pytorch_classification_resnet.ipynb
  

---

Class 4:

內容概述:

1. Image semantic segmentation: 建立一個UNet架構，必且以VOC2007資料庫為例
   
2. DCGAN，以MNIST為例
3. 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 )
  

---

Class 5:

內容概述:

1. Road-Sign-Detection資料庫介紹。
   
2. Object Detection概述和 手刻一個最陽春的物件偵測模型。
   
3. 利用YOLOv1的loss function來進行物件偵測。
   
4. 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:

• Class 5 深度學習Pytorch手把手實作_物件偵測.pptx
  

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

---

Class 6:

內容概述:

1. IoU簡介。
   
2. 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:

• Class 6-2深度學習Pytorch手把手實作_物件偵測YOLOv2.pptx
  

Code Example:

• 17_IoU-PytorchNumpy.ipynb
• 18_pytorch_objectdetection_yolov2.ipynb (我先訓練好的權重檔案: yolov2_5.pth )
  

---

Class 7:

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:

• Quantization 20210805.pptx
  

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)