PyTorch 入门

从张量开始

《初识张量》 2026-06-02

《张量索引》 2026-06-02

《命名张量》 2026-06-03

《张量数据类型》 2026-06-03

《张量存储视图》 2026-06-03

《张量大小、偏移量和步长》 2026-06-03

《张量 GPU 加速》 2026-06-03

《PyTorch 与 NumPy 互操作》 2026-06-03

《张量序列化》 2026-06-03

使用张量表征真实数据

《PyTorch 图片预处理》 2026-06-03

《PyTorch 三维图片处理》 2026-06-03

《PyTorch 表格数据处理》 2026-06-04

《PyTorch 时间序列处理》 2026-06-04

学习的机制

《PyTorch 自动求导》 2026-06-04

《PyTorch 优化器》 2026-06-04

《训练、验证和过拟合》 2026-06-04

使用神经网络拟合数据

《torch.nn 模块》 2026-06-04

《构建神经网络模型》 2026-06-05

区分鸟和飞机:从图像学习

《加载 CIFAR-10 数据集》 2026-06-05

《区分鸟类与飞机:构建神经网络》 2026-06-05

《区分鸟类与飞机:训练模型》 2026-06-05

使用卷积进行泛化

《PyTorch 卷积神经网络》 2026-06-06

《子类化 nn.Module》 2026-06-06

《训练卷积神经网络》 2026-06-06

《模型扩容与正则化》 2026-06-06

《增加网络深度》 2026-06-06

将数据源组合成统一的数据集

《LUNA16 CT 数据清洗》 2026-06-07

《LUNA16 CT 数据加载》 2026-06-07

《CT 坐标转换》 2026-06-08

《PyTorch 自定义数据集》 2026-06-08

训练分类模型以检测可疑肿瘤

《搭建程序入口》 2026-06-08

《构建卷积神经网络》 2026-06-08

《训练与验证模型》 2026-06-09

《训练与结果分析》 2026-06-10

《PyTorch 使用 TensorBoard 可视化》 2026-06-10

通过指标和数据增强来提升训练

《模型评估指标》 2026-06-12

《处理数据集不平衡》 2026-06-13

《数据增强》 2026-06-13

利用分割法寻找可疑结节

《U-Net 图像分割》 2026-06-15

《构建新数据集》 2026-06-16

《构建分割数据集》 2026-06-16

《分割训练》 2026-06-17

《TensorBoard 可视化与模型保存》 2026-06-18