PyTorch从入门到出门

1.PyTorch简介

1.PyTorch简介-为什么选择PyTorch以及安装过程

2.PyTorch神经网络基础

2.1 PyTorch神经网络基础-Torch对比Numpy

2.2 PyTorch神经网络基础-Torch中的变量Variable

2.3 PyTorch神经网络基础-激励函数（Activation Function）

3.PyTorch搭建第一个神经网络

3.1 PyTorch搭建第一个神经网络-关系拟合（回归Regression）

3.2 PyTorch搭建第一个神经网络-区分类型（分类Classification）

3.3 PyTorch搭建第一个神经网络-快速搭建法

3.4 PyTorch搭建第一个神经网络-保存提取

3.5 PyTorch搭建第一个神经网络-优化器和批训练加速神经网络训练（Speed Up Training）

3.6 PyTorch搭建第一个神经网络-优化器的比较（Optimizer ）

4.高级神经网络结构

4.1 高级神经网络结构-什么是卷积神经网络 CNN (Convolutional Neural Network)

4.2 高级神经网络结构-CNN 卷积神经网络（mnist手写体识别）

4.3 高级神经网络结构-什么是循环神经网络 RNN (Recurrent Neural Network)

4.4 高级神经网络结构-什么是 LSTM 循环神经网络

4.5 高级神经网络结构-RNN 循环神经网络 (分类【MNIST手写数字识别】)

4.6 高级神经网络结构-RNN 循环神经网络 (回归)

4.7 高级神经网络结构-什么是自编码 (Autoencoder)

4.8 高级神经网络结构-AutoEncoder (自编码/非监督学习)

4.9 高级神经网络结构-什么是 DQN

4.10 高级神经网络结构-DQN 强化学习

4.11 高级神经网络结构-什么是生成对抗网络（ GAN ）

4.12 高级神经网络结构-GAN (Generative Adversarial Nets 生成对抗网络)

5.高阶内容

5.1 高阶内容-为什么 Torch 是动态的

5.2 高阶内容-GPU 加速运算

5.3 高阶内容-什么是过拟合 (Overfitting)

5.4 高阶内容-Dropout 缓解过拟合

5.5 高阶内容-什么是批标准化 (Batch Normalization)

5.6 高阶内容-Batch Normalization 批标准化