Träna ditt första neuronnät
Bygg och träna ett litet neuronnät i PyTorch, och förstå varje steg: forward pass, loss, gradienter och uppdatering av vikterna.
Alla kunskaper som ingår (30) — i beroendeordning
- 1AMönster och kategorier
- 2BData från vardagen
- 3AInstruktioner i rätt ordning
- 4BAlgoritmiskt tänkande
- 5CFunktioner och koordinatsystem
- 6DDerivata och optimering
- 7CProgrammeringslogik — variabler, villkor, loopar
- 8CPython — grunderna
- 9CPython — listor, loopar och dictionaries
- 10DPython — funktioner, scope och undantag
- 11DPython — moduler, paket och virtuella miljöer
- 12DGit — versionshantering
- 13BRegler kontra inlärning
- 14CStatistik — medelvärde, median och spridning
- 15CSannolikhet — grunderna
- 16BTräningsdata, features och etiketter
- 17BKlassificering — så sorterar en modell
- 18CDin första prediktiva modell — en rät linje
- 19DGradient descent
- 20CNeuronnät — intuitionen
- 21DPrecision, recall, F1 och ROC
- 22DVektorer
- 23DMatriser och matrismultiplikation
- 24DNeuronnät — forward pass med matriser
- 25DBackpropagation
- 26DPyTorch — tensorer och autograd
- 27DDataloaders, batchar och epoker
- 28DTräna ett neuronnät i PyTorch
- 29DMNIST från grunden
- 30DProjekt D: egen klassificerare i PyTorch