《使用PyTorch进行深度学习系列》课程介绍
接下来开启新的系列：使用PyTorch进行深度学习系列
深度学习教程
06-PyTorch迁移学习：在预训练模型上进行训练
到目前为止，我们已经手工构建了一些模型。但他们的表现却很差。您可能会想，是否能借鉴一个已经被训练好的模型？我们将了解如何使用一种称为迁移学习的强大技术。
05-PyTorch自定义数据集
使用 torchvision.datasets 以及我们自己的自定义 Dataset 类来加载食物图像，然后我们将构建一个 PyTorch 计算机视觉模型，对三种食物进行分类。
04-一文彻底搞懂什么是卷积神经网络
在这个章节中，我们将引入一种非常强大的神经网络结构，名为**卷积神经网络**（Convolutional Neural Network，简称CNN）。CNN 在视觉领域有着卓越的表现，它能够自动地从图像中提取特征，并进行分类。就像一个火眼金睛的时尚专家，CNN 可以辨认出不同的服装款式和类型。无论是酷炫的鞋子、潮流的裤子还是时髦的T恤，CNN 都能一眼识别出它们。
03.使用PyTorch处理最简单的神经网络分类任务
分类和回归是最常见的机器学习问题类型之一。在本笔记本中，我们将使用 PyTorch 解决几个不同的分类问题（二元分类，多类分类，多标签分类）。换句话说，我们通过获取一组输入并预测这些输入集属于哪个类别。
02-快速入门：使用PyTorch进行机器学习和深度学习的基本工作流程（笔记+代码）
通过训练和使用线性回归模型来介绍标准 PyTorch 深度学习和机器学习的基本工作流程。将从数据准备、构建模型、训练模型、预测结果、保存和加载模型五个方面介绍，并且提供练习的代码。
01-PyTorch基础知识
本章将介绍本章将介绍在PyTorch中，机器学习和深度学习的基本构建模块——张量(`tensor`)。