| Тема | Материалы | Задания |
|---|---|---|
| 1. Введение в глубокое обучение | Слайды |
|
| 2. Введение в Pytorch (часть 1) |
Тензоры |
Операции над тензорами Градиентный спуск на NumPy Дедлайн: 19.04 23:59 |
| 3. Введение в Pytorch (часть 2) |
Autograd в PyTorch Пример: логистическая регрессия Оптимизаторы, параметры и модули Работа с данными Пример: MLP на датасете MNIST Инициализация параметров (самостоятельное изучение) |
Стабилизация обучения и регуляризация Дедлайн: 26.04 23:59 |
| 4. Архитектуры нейронных сетей | Слайды |
|
| 5. Адаптация моделей | Слайды |
|
| 6. Структура проекта, инструменты и управление экспериментами | Слайды |
Версии пакетов в списке зависимостей зафиксированы под python 3.13 и pytorch 2.8.0. Можно использовать другие версии, но в этом случае будьте готовы самостоятельно решать проблемы с зависимостями (впрочем, это полезный опыт).
Создаём и активируем виртуальное окружение:
python3.13 -m venv .venv
source .venv/bin/activate
Далее устанавливаем зависимости, они немного отличаются в зависимости от операционной системы, архитектуры процессора и модели видеокарты.
Для linux без использования CUDA (легковесная версия, подойдёт для большей части заданий)
pip install -r requirements-linux-cpu.txt
Для linux с использованием CUDA (у вас должна быть видеокарта NVIDIA и до 15 Гб места на диске):
pip install -r requirements-linux-cuda.txt
Для MacOS с процессором серии M:
pip install -r requirements-macos.txt
Для более ранних Macbook pytorch новых версий (2.2.0+) больше не поставляется. Если вы хотите использовать такой Macbook, придётся использовать более старые версии python и pytorch.