Colección de ejemplos en Jupyter Notebook que implementan arquitecturas de deep learning y consejos de entrenamiento en PyTorch y TensorFlow.
17,6 mil4,1 milJupyter NotebookMITActualizado el mes pasado
mrdbourke/pytorch-deep-learning
Curso online gratuito y colección de notebooks, centrados en el código, para aprender deep learning con PyTorch, desde los fundamentos hasta el despliegue de modelos.
- Estrellas
- 19,381
- Forks
- 5,242
- Issues abiertos
- 150
- Último commit
- el mes pasado
¿Qué es?
Este repositorio contiene los materiales del curso "Learn PyTorch for Deep Learning" de Zero to Mastery. El contenido se organiza en diez notebooks numerados de Google Colab, cada uno con código anotado, imágenes, diapositivas y ejercicios con soluciones. Las secciones abarcan desde los fundamentos de PyTorch y el flujo de trabajo de entrenamiento hasta la clasificación con redes neuronales, la visión por computadora, los datasets personalizados, los scripts modulares de Python, el transfer learning, el seguimiento de experimentos, la reproducción de artículos de investigación y el despliegue de modelos.
El curso sigue un enfoque de aprendizaje práctico: el instructor escribe código en PyTorch y los estudiantes lo hacen a la vez. Los materiales completos también están publicados como un libro online fácil de leer en learnpytorch.io, y las primeras cinco secciones están disponibles en un video extenso de YouTube. A lo largo del curso, un único proyecto de clasificador de imágenes, FoodVision, sirve como ejemplo para tres proyectos clave.
El curso está dirigido a principiantes en machine learning que tengan algo de experiencia con Python y se sientan cómodos usando notebooks de Jupyter o Google Colab. También incluye una hoja de referencia de PyTorch, un tutorial rápido de PyTorch 2.0 y una lista de recursos adicionales para seguir aprendiendo.
Funciones clave
- 01Diez notebooks secuenciales que enseñan PyTorch desde los fundamentos de los tensores hasta el despliegue de modelos.
- 02Cada sección incluye ejercicios, soluciones y sugerencias de contenidos adicionales.
- 03El código se ejecuta en Google Colab, con la opción de usar Jupyter localmente.
- 04Versión gratuita en forma de libro online disponible en learnpytorch.io.
- 05Incluye una hoja de referencia de PyTorch y una introducción a PyTorch 2.0.
Casos de uso
- Aprender PyTorch desde cero como principiante en machine learning.
- Seguir un curso práctico para crear un clasificador de visión por computadora con transfer learning.
- Estudiar cómo organizar el código de PyTorch en scripts modulares de Python.
- Practicar el seguimiento de experimentos y el despliegue de modelos con un proyecto de ejemplo completo.
Inicio rápido
- 1
Abre el libro en línea en learnpytorch.io y elige una sección
- 2
Haz clic en el botón Open in Colab que aparece en la parte superior de la sección
- 3
Pulsa SHIFT+Enter varias veces para ejecutar las celdas de código
Antes de usarlo
- El material del curso está diseñado principalmente para ejecutarse en Google Colab, por lo que la configuración local no es la opción principal.
- Está diseñado para principiantes, así que puede no ser adecuado para desarrolladores con mucha experiencia en aprendizaje automático.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es pytorch-deep-learning?
- Curso online gratuito y colección de notebooks, centrados en el código, para aprender deep learning con PyTorch, desde los fundamentos hasta el despliegue de modelos. Este repositorio contiene los materiales del curso "Learn PyTorch for Deep Learning" de Zero to Mastery. El contenido se organiza en diez notebooks numerados de Google Colab, cada uno con código anotado, imágenes, diapositivas y ejercicios con soluciones. Las secciones abarcan desde los fundamentos de PyTorch y el flujo de trabajo de entrenamiento hasta la clasificación con redes neuronales, la visión por computadora, los datasets personalizados, los scripts modulares de Python, el transfer learning, el seguimiento de experimentos, la reproducción de artículos de investigación y el despliegue de modelos.
- ¿pytorch-deep-learning es gratuito? ¿Qué licencia tiene?
- pytorch-deep-learning es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿pytorch-deep-learning sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de pytorch-deep-learning fue el 27 sept 2026.
- ¿Para qué puedo usar pytorch-deep-learning?
- Aprender PyTorch desde cero como principiante en machine learning. Seguir un curso práctico para crear un clasificador de visión por computadora con transfer learning. Estudiar cómo organizar el código de PyTorch en scripts modulares de Python. Practicar el seguimiento de experimentos y el despliegue de modelos con un proyecto de ejemplo completo.
- ¿Cómo se instala pytorch-deep-learning?
- Abre el libro en línea en learnpytorch.io y elige una sección Haz clic en el botón Open in Colab que aparece en la parte superior de la sección Pulsa SHIFT+Enter varias veces para ejecutar las celdas de código
- ¿Dónde consigo pytorch-deep-learning?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/mrdbourke/pytorch-deep-learning
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Tutorial práctico para principiantes sobre cómo entrenar e implementar redes neuronales de clasificación de imágenes con Caffe y NVIDIA DIGITS, sin experiencia previa en IA.
5,1 mil530PythonOtherActualizado hace 2 meses
Curso de machine learning de 100 días en chino, con código Python, apuntes y ejercicios; hasta ahora abarca del día 1 al 54.
22,2 mil5,5 milPythonMITBien mantenidoActualizado hace 15 días
Repositorio en chino, organizado como un curso, que abarca fundamentos matemáticos de IA, machine learning, deep learning, Transformer, BERT y casos de competiciones, con código comentado y datasets.
3,6 mil476Jupyter NotebookMITActualizado hace 21 días
Libro gratuito y de código abierto en chino, con código complementario, para aprender PyTorch desde los fundamentos hasta aplicaciones de CV, NLP y LLM, y su despliegue.
4,6 mil+7 esta semana492Jupyter NotebookSin licenciaBien mantenidoActualizado hace 7 días
Código complementario del libro en chino 《PyTorch实用教程》, con flujos de trabajo para entrenar modelos con PyTorch y ejemplos ejecutables en Python.
8 mil+4 esta semana1,7 milPythonSin licenciaBien mantenidoActualizado hace 6 días