DEADLINE: 2020-07-25 22:00
寫在最前面： 本課程的主要思路還是要求大家大量練習 pytorch 代碼，在寫代碼的過程中掌握深度學習的各類算法，希望大家能夠堅持練習，相信經度過這個酷暑，不知不覺中，你會感覺自己有顯著提高。代碼教程在 github 上，如遇到圖片不顯示的情況，可參考博客解決問題：https://blog.csdn.net/qq_38232598/article/details/91346392
本周的基礎學習任務包括 視頻學習 和 代碼練習 兩部分。部分同學可能以前學過這些內容，對內容較為熟悉的同學，可以跳過前兩部分直接進入第三部分 進階練習。
1. 視頻學習
視頻學習包括兩章內容：
1.1 緒論
（下載地址：https://www.jianguoyun.com/p/DVJarjYQrKKIBhi8la0D）
- 從專家系統到機器學習
- 從傳統機器學習到深度學習
- 深度學習的能與不能
1.2 深度學習概述
（下載地址：https://www.jianguoyun.com/p/DVlvT3cQrKKIBhi_la0D）
- 淺層神經網絡：生物神經元到單層感知器，多層感知器，反向傳播和梯度消失
- 神經網絡到深度學習：逐層預訓練，自編碼器和受限玻爾茲曼機
1.3 pytorch 基礎
（下載地址：https://www.jianguoyun.com/p/DYkxgJcQrKKIBhi5lq0D）
所有視頻下載鏈接2020年7月25日自動過期，請抓緊時間下載。
2. 代碼練習
代碼練習需要使用谷歌的 Colab，它是一個 Jupyter 筆記本環境，已經默認安裝好 pytorch，不需要進行任何設置就可以使用，並且完全在雲端運行。使用方法可以參考 Rogan 的博客：https://www.cnblogs.com/lfri/p/10471852.html 國內目前無法訪問 colab，可以安裝 Ghelper: http://googlehelper.net/
2.1 圖像處理基本練習
這部分內容包括：理解圖像類型，進行一些基本的圖像分割操作。代碼我都寫在了一個 JupyterNotebook 里面，地址為：https://github.com/OUCTheoryGroup/colab_demo/blob/master/01_Image_Processing.ipynb
要求： 把代碼輸入 colab，在線運行觀察效果。
2.2 pytorch 基礎練習
基礎練習部分包括 pytorch 基礎操作，鏈接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/02_Pytorch_Basic.ipynb
要求： 把代碼輸入 colab，在線運行觀察效果。
2.3 螺旋數據分類
代碼鏈接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/03_Spiral_Classification.ipynb
要求： 把代碼輸入 colab，在線運行觀察效果
備注：詳細說明可參考 https://atcold.github.io/pytorch-Deep-Learning/zh/week02/02-3/ 中英文字幕的視頻講解在B站：https://www.bilibili.com/video/BV1gV411o7AD?p=4 有精力的同學可以看看
2.4 回歸分析
代碼鏈接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/04_Regression.ipynb
要求： 把代碼輸入 colab，在線運行觀察效果
備注： 詳細說明可參考 https://atcold.github.io/pytorch-Deep-Learning/zh/week02/02-3/ 中英文字幕的視頻講解在B站：https://www.bilibili.com/video/BV1gV411o7AD?p=4 有精力的同學可以看看
3. 進階練習（optional）
本部分代碼練習為選做內容，考慮到大家基礎不同，這部分供有余力的同學選做。主要內容包括： 遷移學習、圖像分類、VGG模型
notebook鏈接：https://github.com/OUCTheoryGroup/colab_demo/blob/master/05_04_Transfer_VGG_for_dogs_vs_cats.ipynb
這部分為 Kaggle 於 2013 年舉辦的貓狗大戰競賽，使用在 ImageNet 上預訓練的 VGG 網絡進行測試。因為原網絡的分類結果是1000類，所以這里進行遷移學習，對原網絡進行 fine-tune （即固定前面若干層，作為特征提取器，只重新訓練最后兩層）。
仔細研讀AI研習社貓狗大戰賽題的要求：https://god.yanxishe.com/41 （目前比賽已經結束，但仍可做為練習賽每天提交測試結果）
下載比賽的測試集（包含2000張圖片），利用fine-tune的VGG模型進行測試，按照比賽規定的格式輸出，上傳結果評測（練習賽每天僅可評測5次）。我已進行測試，VGG模型訓練 1 個 epoch 的准確率約為 96.1 %。
大家可以思考，如何改進當前模型，可以進一步提高分類准確率。有了這些技術積累，可以較好的應對未來的 kaggle 競賽。
4. 博客作業要求
完成一篇博客，題目為 “ 第一次作業：深度學習基礎 ” ，博客內容包括三部分：
【第一部分】視頻學習心得及問題總結
根據三個視頻的學習內容，寫一個總結，最后列出沒有學明白的問題，初步計划針對大家的疑問，下周四（7月23日）下午在騰訊會議討論一下，大家可提前把問題列出來。（以前已經學過視頻課程的同學可以略過此步驟）
【第二部分】代碼練習
在谷歌 Colab 上完成代碼練習中的 2.1、2.2、2.3、2.4 節，關鍵步驟截圖，並附一些自己的想法和解讀。（以前已進行過代碼練習的同學可以略過此步驟）
【第三部分】進階練習（選做）
在谷歌 Colab 上完成貓狗大戰的VGG模型的遷移學習，關鍵步驟截圖，並附一些自己想法和解讀。
在該代碼的基礎上，下載AI研習社“貓狗大戰”比賽的測試集，利用fine-tune的VGG模型進行測試，按照比賽規定的格式輸出，上傳結果在線評測。將在線評測結果截圖，及實現代碼發在博客。同時，分析使用哪些技術可以進一步提高分類准確率。
大家有任何問題可以隨時在群里交流。