推荐一门由UDACITY分享的免费课程《PyTorch深度学习实战》课程，文末附课程地址链接。
课程介绍
在本课程中，您将学习深度学习的基础知识，并使用PyTorch构建您自己的深度神经网络。通过编码练习和实现最先进的AI应用程序（如风格迁移（Style transfer）和文本生成(Text Generation)）的项目，您将获得PyTorch的宝贵实践经验。
课程信息
课程目录
第1课 深度学习简介
· 探索深度学习的基本概念，如神经网络和梯度下降
· 在NumPy中实现神经网络，并使用梯度下降法，基于课堂中编程实践练习对其进行训练
· 建立神经网络以预测学生入学率（Students Admissions）
第2课 PyTorch简介
· 由PyTorch的创造者Soumith Chintala讲解，该框架是如何形成的，现在那些地方正在使用它，以及它如何改变深度学习的未来
第3课 使用PyTorch进行深度学习
· 使用PyTorch构建您的第一个神经网络，以对服装图像进行分类
· 通过一组Jupyter Notebooks来学习PyTorch的主要接口
· 加载预先训练的神经网络以构建最先进的图像分类器
第4课 卷积神经网络
· 使用PyTorch构建卷积神经网络，应用于计算机视觉应用
· 训练卷积网络，从狗的图像中分类狗的品种
第5课 风格转移
· 使用预先训练的卷积网络，将一个图像的样式与另一个图像的内容融合起来创建一种新的艺术风格
· 复现论文“A Neural Algorithm of Artistic Style”，Leon A. Gatys，Alexander S. Ecker，Matthias Bethge
第6课 递归神经网络
· 使用PyTorch构建循环神经网络，可以从自然语言等顺序数据中学习
· 实现一个网络，从托尔斯泰著作《安娜卡列尼娜》中学习，以生成基于小说的新的文本
第7课 自然语言分类
· 使用PyTorch实现可以对文本进行分类的循环神经网络
· 使用您的网络预测电影评论的情绪
第8课 使用PyTorch进行部署
· Soumith Chintala教您如何使用PyTorch部署深度学习模型
· 构建聊天机器人并编译网络以在生产环境中进行部署
课程地址
课程链接：https://in.udacity.com/course/deep-learning-pytorch--ud188
