微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识
Pytorch框架现在越来越受到开发者欢迎的深度学习框架，小编也是从tensorflow到pytorch都使用过，让我现在选择我会选择pytorch框架，原因有几下几个：
集合了前面框架的优点，特别是torch与caffe2
学习曲线平缓，特别容易上手
针对计算机视觉提供了专项torchvision框架
模型导出ONNX公开格式，兼容各种推理框架部署，从边缘到云端
最新论文多数都是基于pytorch完成，容易对接开发应用
视频课程学习
我微信公众号上也是写过几十篇的《轻松学Pytorch》系列文章，分享过学习Pytorch的编程技巧、包含从数据处理、模型设计、训练与导出部署等全链路的超过二十个案例。现在我已经把这些案例全部录制为视频课程，具体的思维导图如下：
课程内容涵盖了图象分类、对象检测、实例分割、语义分割等视觉经典任务，从我的《轻松学Pytorch系列》文章中选择九个经典案例，实现从数据处理到模型结构设计、模型训练与导出，模型部署等环节详解解释与知识点覆盖。
口碑合集
来自国企研究院开发人员的好评，不吹水，贴近实战可以做到：
Pytorch视频课程拯救失业系列，可以做到！
学完可以换工作，可以做到：
全网最高性价比的Pytorch框架CV开发课程，错过了不是时间，而是给自己改变的机会！感兴趣，现在扫码查看课程目录！
（只有本周有效！！！！）
附录
课程提纲
1. Numpy基础操作
2. OpenCV基础操作
3. Pytorch基础操作
4. 自动梯度
5. 线性回归
6. 逻辑回归
7. 人工神经网络与BP概念
8. Pytorch支持的基础数据集
9. 人工神经网络手写数字识别
10. 手写数字识别模型保存与调用
11. 卷积的基本概念与术语
12. 卷积神经网络基本原理
13. 构建简单CNN识别mnist数据集
14. ONNX格式模型导出与调用
15. Pytorch中数据与数据集类
16. Pytoch训练可视化
17. 实战人脸landmark检测
- Landmark数据集标注与类定义
- 人脸landmark模型设计与训练
- 人脸landmark模型导出与部署演示
18. 实战多任务网络实现年龄与性别预测
- 年龄与性别预测数据集与数据类
- 年龄与性别预测模型设计与训练
- 模型部署与实时预测年龄性别
19. 实战多标签网络实现验证码识别
- 验证码识别网络数据准备与数据类
- 验证码识别模型设计与训练
- 验证码识别网络之预测
20. 实战自定义残差网络实现车辆属性(车辆颜色与车型)识别
- 车辆属性数据集制作与数据类
- 车辆属性识别模型设计与训练
- 车型属性识别模型实时部署
21. 实战全卷积网络实现表情识别
- 表情识别数据集制作与数据类
- 全卷积表情识别模型设计与训练
- 全卷积表情识别模型实时部署演示
22. 迁移学习概念与原理
23. 实战-基于残差网络迁移学习实现工业缺陷检测
- 数据集与数据类制作以及迁移学习模型训练
- 模型部署与推理演示
24. 对象检测与Torchvison对象检测框架
25. 实战-Faster-RCNN自定义对象检测
- Faster-RCNN对象检测模型解释
- 自定义数据类制作
- Faster-RCNN对象检测模型选择与训练
- 自定义Faster-RCNN对象检测模型使用
25. 实战-Mask-RCNN行人检测与实例分割
- Mask-RCNN对象检测模型解释
- 行人数据集制作准备与数据类
- Mask-RCNN行人实例分割模型训练
- 行人实例分割模型推理与演示
26. 实战-UNet实现道路裂纹检测
- 图象语义分割概念与上采样卷积
- 道路分割数据集制作与数据类
- UNet网络实现与训练
- UNet道路裂纹网络部署与预测
27. ONNX格式转换与ONNXRUNTIME部署
28. 课程总结与各种私有数据集下载
推荐阅读
