下载 | Pytorch模型训练实用PDF教程【中文】

源/机器之心

本教程以实际应用、工程开发为目的，着重介绍模型训练过程中遇到的实际问题和方法。在机器学习模型开发中，主要涉及三大部分，分别是数据、模型和损失函数及优化器。本文也按顺序的依次介绍数据、模型和损失函数及优化器，从而给大家带来清晰的机器学习结构。

通过本教程，希望能够给大家带来一个清晰的模型训练结构。当模型训练遇到问题时，需要通过可视化工具对数据、模型、损失等内容进行观察，分析并定位问题出在数据部分？模型部分？还是优化器？只有这样不断的通过可视化诊断你的模型，不断的对症下药，才能训练出一个较满意的模型。

本教程内容及结构：

本教程内容主要为在 PyTorch 中训练一个模型所可能涉及到的方法及函数，并且对 PyTorch 提供的数据增强方法（22 个）、权值初始化方法（10 个）、损失函数（17 个）、优化器（6 个）及 tensorboardX 的方法（13 个）进行了详细介绍。

本教程分为四章，结构与机器学习三大部分一致：

• 第一章，介绍数据的划分，预处理，数据增强；

• 第二章，介绍模型的定义，权值初始化，模型 Finetune；

• 第三章，介绍各种损失函数及优化器；

• 第四章，介绍可视化工具，用于监控数据、模型权及损失函数的变化。

本教程适用读者：

1. 想熟悉 PyTorch 使用的朋友；

2. 想采用 PyTorch 进行模型训练的朋友；

3. 正采用 PyTorch，但无有效机制去诊断模型的朋友；

下载方式

关注公众号，后台回复关键词

20181221

---

推荐阅读