Подборка примеров в Jupyter Notebook с реализациями архитектур глубокого обучения и советами по обучению на PyTorch и TensorFlow.
mrdbourke/pytorch-deep-learning
Бесплатный онлайн-курс с упором на практический код и коллекцией ноутбуков: глубокое обучение на PyTorch от основ до развёртывания моделей.
- Звёзды
- 19,381
- Форки
- 5,242
- Открытые issues
- 150
- Последний коммит
- в прошлом месяце
Что это?
В репозитории собраны материалы курса Zero to Mastery «Learn PyTorch for Deep Learning». Контент разбит на десять пронумерованных ноутбуков Google Colab с пояснениями к коду, изображениями, слайдами и упражнениями с решениями. Темы охватывают основы PyTorch и процесс обучения, классификацию с помощью нейросетей, компьютерное зрение, пользовательские датасеты, модульные Python-скрипты, transfer learning, отслеживание экспериментов, воспроизведение результатов научных статей и развёртывание моделей.
Курс построен по принципу обучения на практике: преподаватель пишет код на PyTorch, а учащиеся повторяют за ним. Все материалы также опубликованы в виде удобной для чтения онлайн-книги на learnpytorch.io, а первые пять разделов доступны в виде длинного видео на YouTube. На протяжении курса один проект — классификатор изображений FoodVision — служит сквозным примером для трёх проектов-этапов.
Курс рассчитан на начинающих в машинном обучении, которые уже знакомы с Python и умеют работать с Jupyter notebooks или Google Colab. В него также входят шпаргалка по PyTorch, краткое введение в PyTorch 2.0 и список дополнительных учебных материалов.
Ключевые возможности
- 01Десять последовательных ноутбуков, охватывающих PyTorch — от основ работы с тензорами до развёртывания моделей.
- 02В каждом разделе есть упражнения, решения и рекомендации по дополнительным материалам.
- 03Код можно запускать в Google Colab или локально в Jupyter.
- 04Бесплатная версия в виде онлайн-книги доступна на learnpytorch.io.
- 05Включает шпаргалку по PyTorch и введение в PyTorch 2.0.
Сценарии использования
- Изучение PyTorch с нуля для начинающих в машинном обучении.
- Практическое прохождение курса по созданию классификатора изображений с помощью компьютерного зрения и transfer learning.
- Изучение принципов организации кода PyTorch в виде модульных Python-скриптов.
- Практика отслеживания экспериментов и развёртывания моделей на примере полноценного проекта.
Быстрый старт
- 1
Откройте онлайн-книгу на learnpytorch.io и выберите раздел
- 2
Нажмите кнопку Open in Colab в верхней части раздела
- 3
Несколько раз нажмите SHIFT+Enter, чтобы запустить ячейки с кодом
Что важно знать
- Материалы курса рассчитаны в первую очередь на работу в Google Colab, поэтому локальная настройка не является основным вариантом.
- Курс рассчитан на начинающих, поэтому может не подойти разработчикам с большим опытом в машинном обучении.
В подборках
Темы
Частые вопросы
- Что такое pytorch-deep-learning?
- Бесплатный онлайн-курс с упором на практический код и коллекцией ноутбуков: глубокое обучение на PyTorch от основ до развёртывания моделей. В репозитории собраны материалы курса Zero to Mastery «Learn PyTorch for Deep Learning». Контент разбит на десять пронумерованных ноутбуков Google Colab с пояснениями к коду, изображениями, слайдами и упражнениями с решениями. Темы охватывают основы PyTorch и процесс обучения, классификацию с помощью нейросетей, компьютерное зрение, пользовательские датасеты, модульные Python-скрипты, transfer learning, отслеживание экспериментов, воспроизведение результатов научных статей и развёртывание моделей.
- pytorch-deep-learning можно использовать бесплатно? Какая у него лицензия?
- pytorch-deep-learning распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- pytorch-deep-learning всё ещё поддерживается?
- Обновлялся за последние 6 месяцев. Последний коммит в pytorch-deep-learning — 27 сент. 2026 г..
- Для чего можно использовать pytorch-deep-learning?
- Изучение PyTorch с нуля для начинающих в машинном обучении. Практическое прохождение курса по созданию классификатора изображений с помощью компьютерного зрения и transfer learning. Изучение принципов организации кода PyTorch в виде модульных Python-скриптов. Практика отслеживания экспериментов и развёртывания моделей на примере полноценного проекта.
- Как установить pytorch-deep-learning?
- Откройте онлайн-книгу на learnpytorch.io и выберите раздел Нажмите кнопку Open in Colab в верхней части раздела Несколько раз нажмите SHIFT+Enter, чтобы запустить ячейки с кодом
- Где скачать pytorch-deep-learning?
- Исходный код и инструкции по установке — на GitHub: https://github.com/mrdbourke/pytorch-deep-learning
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Практическое руководство для начинающих по обучению и развертыванию нейросетей для классификации изображений с Caffe и NVIDIA DIGITS — без опыта в ИИ.
Курс машинного обучения на китайском языке на 100 дней: код на Python, заметки и упражнения; пока охвачены дни с 1 по 54.
Учебный репозиторий на китайском языке: основы математики для ИИ, машинное и глубокое обучение, Transformer, BERT и разборы конкурсных задач с пояснениями к коду и датасетами.
Бесплатная книга на китайском языке и примеры кода для изучения PyTorch: от основ до CV, NLP, приложений на базе LLM и развёртывания.
Примеры кода к китайской книге 《PyTorch实用教程》 о рабочих процессах обучения моделей в PyTorch.