内容概要：本人在学习B站刘二大人Pytorch实践课程时，做的一些学习笔记。包含课程要点、教学源码以及课后作业和作业源码。 目录： 第一讲 概述 第二讲 线性模型创建 第三讲 梯度下降算法 第四讲 反向传播机制 第五讲 用pytorch实现线性回归 第六讲 逻辑斯蒂回归模型 第七讲 处理多维特征的输入 第八讲 加载数据集 第九讲 多分类问题--softmax classifier 第十讲 卷积神经网络（基础篇） 第十一讲 卷积神经网络（高级篇） 学完刘二大人的课程和此学习笔记，你就可以看懂大部分网络结构，并且复现出一些经典网络，比如残差网络ResNet、密集连接网络DenseNet和GoogleLeNet中Inception模块等等。收获良多。

用Python+Pytorch实现了卷积神经网络对垃圾图片进行分类，其中还包含了爬虫代码。适合初学者以及大作业ddl选手：）。资源有任何疑问，欢迎留言。

详情参考https://github.com/LianHaiMiao/pytorch-lesson-zh/，这个老师讲的特别详细，或者参考https://blog.csdn.net/a1103688841/article/details/89222614

技术支援 pytorch，卷积神经网络，深度学习

利用PyTorch实现卷积神经网络LeNet-5，详情可参考博客：https://blog.csdn.net/didi_ya/article/details/121289390

Pytorch实现前馈神经网络fnn和卷积神经网络cnn，基于mnist数据集进行训练测试，实现手写数字识别，可以自定义28*28图片进行测试。详细。

主要为大家详细介绍了pytorch实现CNN卷积神经网络，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

HaaS AI之VSCode中搭建Pytorch简单卷积神经网络文中测试代码，下载后可直接运行