本项目《动手学CV-Pytorch版》是Datawhale:whale:CV小组近期推动的一个重点项目。

受启发于李沐老师的《动手学深度学习》，我们旨在构建一个以Pytorch为框架，强调动手实战的计算机视觉教程项目，帮助大家更好的学习。

项目大体上会按照计算机视觉的不同领域和应用场景进行章节划分，循序渐进，带领大家走进CV的世界，以动手实战的方式，从入门到进阶。

“for the learner，和学习者一起成长”是我们的愿景。

目前项目还处于初期：正在重构前两章内容，并制作第三章：目标检测入门。

如果热爱学习且认同Datawahle开源精神的你正好路过，不妨先点个:star:收藏一下吧，相信随着项目的推进，你我将互相见证彼此的进步。

🐳 推荐使用 动手学CV-PyTorch 在线阅读 进行学习

也可以直接在github项目中阅读README教程进行学习，配套的完整代码可以在相应章节目录下面找到。

还等什么，学就完事了～

以下是目录与代码更新进度

• 1. 预备知识

  • 1.1 深度学习环境配置
  • 1.2 Pytorch基础使用介绍
  • 1.3 自动求梯度
  • 1.4 线性回归-小试身手
  • 1.5 初识图像分类

• 2. 图片分类入门

  • 2.1 数据读取与数据扩增
  • 2.2 图像分类介绍
    • 卷积神经网络基础
    • 经典图像分类模型简介
      • LeNet
      • AlexNet
      • VGG
      • 网络中的网络（NiN）
      • 含并行连结的网络（GoogLeNet）
      • 批量归一化（Batch Normalization）
      • 残差网络（ResNet）
  • 2.3 模型训练与验证
  • 2.4 模型集成
  • 2.5 比赛实战
    • 天池计算机视觉入门赛:街景字符识别baseline讲解
    • 比赛方案与优化技巧总结

• 3. 目标检测入门

  推进中...

• github页面中无法加载图片的解决办法:

  windows解决方案：修改host文件

• 公式无法正常显示解决办法：

  为了让公式正常显示，强烈建议安装chrome的MathJax Plugin for Github插件。

"Datawhale，一个专注于AI领域的学习圈子。初衷是for the learner，和学习者一起成长。目前加入学习社群的人数已经数千人，组织了机器学习，深度学习，数据分析，数据挖掘，爬虫，编程，统计学，Mysql，数据竞赛等多个领域的内容学习，微信搜索公众号Datawhale可以加入我们。"