第一章：Python基础知识

1、Python环境搭建

2、Python基本语法

3、Python流程控制

4、Python函数与对象

5、Matplotlib的安装与图形绘制

6、科学计算模块库

第二章：PyTorch与环境搭建

1、深度学习框架

2、PyTorch

3、PyTorch的安装与环境配置

第三章：PyTorch编程入门与进阶

1、张量（Tensor）的定义，以及与标量、向量、矩阵的区别与联系）

2、张量（Tensor）的常用属性与方法

3、张量（Tensor）的创建

4、张量（Tensor）的运算

5、张量（Tensor）的索引与切片

6、PyTorch的自动求导（Autograd）机制与计算图的理解

7、PyTorch常用工具包及API

第四章：PyTorch前向型神经网络

1、BP神经网络的基本原理

2、BP神经网络的Python代码实现

3、PyTorch代码实现神经网络的基本流程

4、案例：Linear模型、Logistic模型、Softmax函数输出、BP神经网络

第五章：PyTorch卷积神经网络

1、深度学习

2、深度学习与传统机器学习的区别与联系

2、卷积神经网络的基本原理

3、卷积神经网络的进化史：LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系

4、利用PyTorch构建卷积神经网络

5、案例：（1）CNN预训练模型实现物体识别

（2）利用卷积神经网络抽取抽象特征

（3）自定义卷积神经网络拓扑结构

6、PyTorch Lightning简介与快速入门

第六章：PyTorch迁移学习

1、迁移学习算法的基本原理

2、基于深度神经网络模型的迁移学习算法

3、案例：猫狗大战（Dogs vs. Cats）

第七章：PyTorch生成式对抗网络

1、生成式对抗网络GAN

2、GAN的基本原理及GAN进化史

3、案例：GAN的PyTorch代码实现

第八章：PyTorch RNN与LSTM

1、循环神经网络RNN的基本工作原理

2、长短时记忆网络LSTM的基本工作原理

3、案例：时间序列预测（北京市污染物预测）

第九章：PyTorch目标检测

1、什么是目标检测？目标检测与目标识别的区别与联系

2、YOLO模型的工作原理，YOLO模型与传统目标检测算法的区别

3、案例：（1）利用预训练好的YOLO模型实现目标检测

（2）数据标注演示

（3）训练自己的目标检测数据集

原文：基于PyTorch深度学习实践技术应用