1. Aprende
    2. /
  2. Cursos
    3. /
  3. Introdução ao Aprendizado Profundo com o PyTorch
  • 1

    Introdução ao PyTorch, uma biblioteca de aprendizado profundo

    Gratuito

    Carros autônomos, smartphones, mecanismos de pesquisa... O aprendizado profundo agora está em toda parte. Antes de começar a criar modelos complexos, você vai conhecer melhor o PyTorch, uma estrutura de aprendizado profundo. Você aprenderá a manipular tensores, criar estruturas de dados do PyTorch e criar sua primeira rede neural no PyTorch.

  • 2

    Como treinar nossa primeira rede neural com o PyTorch

    Para treinar uma rede neural no PyTorch, primeiro você precisa entender para que serve uma função de perda. Você vai perceber que o treinamento de uma rede requer a minimização dessa função de perda, o que é feito por meio do cálculo de gradientes. Você vai aprender a usar esses gradientes para atualizar os parâmetros do seu modelo e, por fim, escrever seu primeiro loop de treinamento.

  • 3

    Arquitetura de redes neurais e hiperparâmetros

    Os hiperparâmetros são parâmetros, geralmente escolhidos pelo usuário, que controlam o treinamento do modelo. O tipo de função de ativação, o número de camadas do modelo e a taxa de aprendizado são todos hiperparâmetros do treinamento da rede neural. Juntos, vamos descobrir os hiperparâmetros mais importantes de uma rede neural e como modificá-los.

  • 4

    Como avaliar e aprimorar modelos

    Treinar um modelo de aprendizado profundo é uma arte e, para garantir que o modelo seja treinado corretamente, precisamos acompanhar determinadas métricas durante o treinamento, como a perda ou a precisão. Você vai aprender a calcular essas métricas e a reduzir o sobreajuste usando um conjunto de dados de imagens como exemplo.

Initializing

Ejercicio

Sua primeira rede neural

Neste exercício, você vai implementar uma pequena rede neural com duas camadas lineares. A primeira camada recebe uma entrada de oito dimensões, e a última camada gera um tensor unidimensional.

O pacote torch e o pacote torch.nn já foram importados para você.

Instrucciones

100 XP
  • Crie uma rede neural de duas camadas lineares que receba um tensor de dimensões \(1\times8\) como entrada, representando 8 variáveis independentes, e retorne um tensor de dimensões \(1\times1\).
  • Use qualquer dimensão de saída para a primeira camada desejada.