本课程面向初次接触深度学习的同学，偏重于实践，课程内容尽可能减少数学上的障碍，通过图解和代码解释深度学习工作的机制，以及代码的编写结构。
学习本课程需要的前置条件为：
- 具有使用
Python语言编程的能力； - 拥有
线性代数和概率论与数理统计的基础。
课程地址：PyTorch深度学习实践。
课件下载地址：百度网盘；提取码：wyhu。
本课程包括以下章节：
- 深度学习概论；
- 线性模型；
- 梯度下降算法；
- 反向传播；
- 用
PyTorch实现线性回归； - 逻辑斯蒂回归；
- 处理多维特征的输入；
- 加载数据集；
- 多分类问题；
- 卷积神经网络（基础篇）；
- 卷积神经网络（高级篇）；
- 循环神经网络（基础篇）；
- 循环神经网络（高级篇）。
B 站【刘二大人】个人网页：https://liuii.github.io。
2023.12.02【更新课件下载链接】：https://pan.baidu.com/s/1ranzikU32HL978u6eFGrWw，提取码: i8rk。