方远,LINE China 数据科学家。主要从事计算机视觉与自然语言处理的研发工作,在机器学习与深度学习的研究和应用领域有 10 年的经验积累。精通 PyTorch 与 TensorFlow 框架,以及 Bert、EfficientNet、SSD、DeepLab 等主流深度学习算法。
曾任腾讯高级算法研究员,为公司内部千亿级别流量的运营审核业务提供稳定高效的深度学习服务,同时也为公司移动终端产品提供可离线运行、实时、高精度的计算机视觉服务。
PyTorch 框架发展迅猛,仅用了一年多的时间,几乎占据深度学习框架的半壁江山。
如果你即将进入,或者已经进入了深度学习、机器学习这些相关领域,PyTorch 能够帮你实现模型和算法,快速完成深度学习模型部署,提供高并发服务,还可以轻松实现图像生成、文本分析、情感分析这样有趣的实验。另外,很多算法相关岗位,也同样需要熟练使用 PyTorch。
这意味着,一旦你掌握了 PyTorch,就相当于走上了深度学习与机器学习的快车道。
但想要快速入门、上手 PyTorch,也面临这样一些挑战:
基于此,方远老师将结合自己丰富的实战经验,为你呈现一套系统完整的 PyTorch 技术学习框架(基于 PyTorch 1.9.0 版本),让你从原理到项目一站式攻克学习难题,熟练掌握PyTorch 框架,解决实际问题。
遵循由浅入深的原则,整个专栏共分为以下三个模块:
基础篇:夯实基础,详解 PyTorch 基础知识。通过这部分内容,你将学习 PyTorch 中两大重要知识点—— NumPy 与Tensor 的用法。
模型训练篇:带你快速掌握一个框架。结合深度学习模型训练的一系列流程,为你详解自动求导机制、网络搭建、模型参数更新、保存与加载模型、训练过程可视化、分布式训练等等关键模块,带你具体看看 PyTorch 为我们提供怎样的帮助。通过这部分内容,你就能基于 PyTorch 搭建网络模型了。
实战篇:结合当下最流行的图像与自然语言处理任务,串连前面两个模块的内容,为你深入讲解 PyTorch 如何解决实际问题,如图像分割、情感分析、文本分类等等。