딥러닝 퀵스타트 : 파이토치편

• python 3.6
• Pytorch (http://pytorch.org/)
• Numpy
• matplotlib

• visdom (https://github.com/facebookresearch/visdom)

• AWS p2.xlarge(Tesla K80 GPU)
• CUDA 8.0
• CuDNN 5.1
• Anaconda(https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/)
• PyTorch
• Jupyter Notebook

1. 파이썬 기초

2. 프레임워크 비교

3. 파이토치 텐서 기본 사용법

4. Automatic Gradient Calculation

5. 선형회귀모델

6. 선형회귀모델의 한계

7. 인공신경망 모델 - 2차함수근사

8. 인공신경망 모델 - 3차함수근사

9. 인공신경망 모델 - 2D데이터

1. CNN 기본 모듈

2. NN으로 MNIST 풀어보기

3. CNN으로 MNIST 풀어보기

4. CNN으로 CIFAR10 풀어보기

1. Custom Data 불러오기

2. VGGNet 구현해보기

3. GoogLeNet 구현해보기

4. ResNet 구현해보기

1. RNN 직접 만들어보기

2. LSTM 튜토리얼

3. LSTM으로 문장 기억하기

4. nn.Embedding 사용법

5. Shakespeare 문체 모방하기-RNN

6. Shakespeare 문체 모방하기-GRU

7. Shakespeare 문체 모방하기-LSTM

1. Weight Regularization

2. Dropout

3. Data Augmentation

4. Weight Initialization

5. Learning Rate Scheduler

6. Data Normalization

7. Batch Normalization

8. Gradient Descent Variants

1. Transfer Learning Basic 학습된 모델에서 원하는 부분만 뽑아내고 학습시키기

2. Style Transfer 명화의 그림체 모방하기

3. t-SNE Visualization 뽑아낸 스타일들이 어떻게 분포하는지 확인해보기

1. Basic Autoencoder

2. Embedding Vector는 어떻게 분포하고 있을까? (돌아온 t-SNE)

3. Convolutional Autoencoder (CNN + Autoencoder)

4. Convolutional Denoising Autoencoder (Noise + CNN + Autoencoder)

5. Variational Autoencoder (latent vector z~N(0,I))

6. Convolutional Variational Autoencoder

7. Convolutional VAE Latent Space Interpolation

1. Basic GAN using NN

2. DCGAN (CNN + GAN)

3. InfoGAN (Mutual Information Maximizing + GAN)