| Python File | Summary |
|---|---|
| 1.Introduction to PyTorch.ipynb | 介绍深度学习及其编程框架，介绍 PyTorch 的动态图 |
| 2.PyTorch Basics.ipynb | 介绍 PyTorch 中最基础的 Tensor, Variable 以及 autograd 机制 |
| 3.Simple Linear Regression Model.ipynb | 介绍用于回归问题的线性回归模型，以及梯度下降方法 |
| 4.Simple Logistic Regression Model.ipynb | 介绍用于分类问题的 Logistic 回归模型，以及用 PyTorch 自带函数实现损失计算，参数优化 |
| 5.Fully-Connected Neural Network.ipynb | 介绍简单的全连接神经网络，以及 PyTorch 提供的两种构建网络模型的工具 |
| Python File | Summary |
|---|---|
| 6.Introduction to CNNs - Stanford CS231.pdf | 介绍CNNs的基本概念 |
| 7.CNN Basics.ipynb | 介绍怎样在PyTorch中实现简单的CNNs |
| 7_S1.Edge Detection.pdf | 补充材料，介绍卷积运算与图像梯度求解之间的联系 |