PyTorch

Torch，中文意为“火炬”，是一个深度学习的开源框架。PyTorch，是开源框架 Torch 基于 Python 的版本，操作简洁，功能强大。集智AI学园推出《火炬上的深度学习》（Deeplearning in PyTorch）上下两期课程，为你系统解析深度学习技术，助力你的AI技能拓展和职业生涯进阶。在成功地举办《火炬上的深度学习（上）》的课程之后，我们即将开启下半程的深度学习与 PyTorch 之旅。在《火炬（下）》中，我们将着重介绍 PyTorch 在自然语言处理（Natural Language Processing，NLP）中的强大功能。

授课方式

与实验楼合作

本期深度学习技术课程，集智 AI 学园将与实验楼合作，帮助学员快速熟悉 PyTorch 环境及其安装调试。实验楼是国内领先的IT技术实训平台，采用创新的“在线实验”学习模式，用户可以方便地模拟操作。

小组学习

本期课程会设置若干个学习小组，将正式学员分到不同的学习小组，合作学习。每个小组会有一位助教驻场，为学员解决一些技术问题。许多技术问题并不是难题，卡在那里也许只是缺少一个指点迷津的人。

助教指导

本期课程，我们组织了助教团队为学员提供帮助。他们中，有在数据领域耕耘多年，敏锐捕捉到深度学习浪潮的青年学者，有刚刚从传统行业离开，成功转型进入人工智能领域的算法工程师，有专门因为技术兴趣，而愿意在深入探索 AI 技术的年轻学生，相信在以后的交流中，你能从他们身上获得技术之外的启发。

助教队伍：

李周园

清华大学博士、荷兰 Wageningen 大学 WIMEK 学者，遥感数据挖掘方向。

胡胜

中国地质大学（武汉）硕士、攻读博士，空间数据挖掘和智慧交通方向，熟悉 Python 语言。

苏尚君

算法工程师，就职于文因互联。曾任 Udacity 机器学习课程助教，熟悉 Python 语言，在简书著有技术专栏。

孙颖宝

荷兰Wageningen大学遥感与地理信息实验室研究生，熟悉 R 语言和 Python 语言。

任伟

中国科学院大学博士，气候系统与碳循环方向，有良好的深度学习技术基础，熟悉数据挖掘与空间分析。

张庆逸

学生，有编程工作经验，熟悉 Python 语言。希望用人工智能技术模拟出物理世界的演化。

助教职责

1、提供技术问答支持；

2、做一次群日志分享，系统摘编精选发言、为集体学习做阶段总结；

3、配合讲师教学组织；

4、每个助教单独负责服务一批学员，收集作业和批改作业，并发挥个人特长、编程经验为学员提供学习帮助与技术支持。

学员分享：

如何在集智AI学园入门深度学习？

吴汶钊：

（清华大学研究生，《火炬上的深度学习（上）》优秀学员）

勤动手写代码。要入门神经网络，最基础、最重要的是亲子动手搭建一个神经网络，而不是用现成的代码、框架，而是自己去计算它的梯度下降。调整参数、优化神经网络，都需要在自己写的过程中，去理解。

参与群组交流。许多课程助教李周园组织了“集智-清华”火炬交流群。技术问题常常引起群内的讨论，答题的氛围比较活跃。新手入门时，苏尚君同学帮忙详细介绍了 github 的使用，受益匪浅。

胡胜：

不懂就问。我其实不明白的问题也很多，经常在群里问一些东西。大家应该厚着脸皮问，不管问题怎么样，都应该问出来。群组里有许多有经验的同学来帮我，而且我的问题很多也是其他同学的问题，提出来就发现这些问题原理很有讨论的必要。

代码“临摹”。有时候看完代码，你会觉得自己理解了，甚至掌握。你以为自己也能写，甚至一会儿就写完了。真正写的时候，会花费一个小时、一上午甚至一整天的时间。将 Jupiternotebook 中的代码，自己在编译器中写出来。

“胡思乱想”，智慧“迁移”。只有大开脑洞、多思考一些看起来不现实的问题，这样才能有更大的创新。现有的东西不一定是最好的，你应当放飞自己的想象力，去思考，去设计。

苏尚君：

先完成再完美。在完成一个能通过作业要求的 60 分内容后，再不断迭代以逼近八九十分、或者再尝试自己的各种脑洞。

事实证明这样的做法是对的，比如我在 PyTorch 课程中有一个「MNIST 加法机」的作业，最开始我冒出了两个脑洞，一个是直接用传统的 CNN 完成，另一个则是有带点迁移学习的味道，但当时我对迁移学习还知之甚少，于是我果断先用 CNN 写了一个版本实现出来，然后把该版本优化到 96％的准确率，最后才尝试迁移学习的脑洞。

虽然在作业提交截止日期前我最终没能写出那个迁移学习的版本，但并不影响我在这个作业上拿了高分：因为我已经完成了「客户」（老师）对任务的基本要求。

重视代码注释。代码注释很重要。写注释的目的是帮助读代码的人理解代码。现在勉强看懂的地方，一定要加上注释，因为过一段时间很可能就看不懂了。

课程详情

下面是各节的详细介绍：

No.1 词汇的星空

我们要创造一个宇宙，在这里，每颗星星就是一个单词，它们不仅烁烁发光，而且还会自动地聚类形成家族。看，“徐静蕾”、“赵薇”，和“冯小刚”抱成了一团；“美元”、“台币”、“卢比”、“比索”聚成了一堆；“星星”、“月亮”、“太阳”跑到了一块儿。更有意思的是，这些星星还懂得复杂的人际关系，例如当我们在“汪峰”和“章子怡”之间连一条线，再在“窦唯”与“王菲”之间连条线，那么这两条线几乎就是平行的，这个平行的向量就对应了“男女关系”。这就是 Word2Vec 的神奇力量。Word2Vec 是 Google 开发的一种将词汇嵌入到向量空间的技术，有了它，我们就可以用神经网络的方式来处理单词，甚至完成各种复杂的自然语言处理任务了。

No.2 机器也懂感情？

在这节课中，我们将教会机器读懂感情，也就是在中文句子中识别出赞美之词或者贬义之语，从而判断出整个句子的情绪。我们的办法是利用词袋模型（Bag of Words，简称BOW）或者循环神经网络（Recurrent Neural Network，简称 RNN），甚至于 LSTM（Long Short Term Memory），让机器完成一个文本分类问题。本课程将详述词袋模型和 RNN 的基本工作原理，以及如何用 PyTorch 实现它。同时，我们还将展示如何从网站爬取数据，以及如何解剖分析一个神经网络。

No.3 神经网络莫扎特

在这节课中，我们将创造一个“神经网络莫扎特”，一个利用长短时记忆网络（Long Short Term Memory，简称 LSTM）进行音符生成的神经网络。在动手构造这个 LSTM 之前，我们首先需要深入地理解 LSTM 的工作原理。通过让它识别一种最简单的语法：“上下文无关语法”（Context Free Grammar），我们会深刻理解 RNN 和 LSTM 的工作方式以及它们之间的异同。之后，我们将讲解如何用 Python 读取 MIDI 文件，从而构造 LSTM 的训练数据集。另外，在本节课中，我们还将介绍如何使用 GPU 来进行张量运算，以及一个超级好用的云服务平台 Floyd。最终，我们将打造一个会自己谱曲的人工智能小程序。作为本课程的附属视频，我们详细讲述了应用于 LSTM 的反向传播原理。

No.4 彩云小译

彩云小译是由彩云 AI 公司开发的一款超级好用的 APP，它可以完成即时的中英翻译。本节课将详细讲述机器翻译的原理，并揭示彩云小译这款神器背后的故事。在本节课中，你将学会什么是编码器－解码器框架，什么是注意力机制，以及如何利用 PyTorch 实现它。除此之外，课程还详细地介绍了机器翻译的最新进展。

No.5 游戏高手

设想这样一个 AI 程序，只要给它足够的时间，它就可以完成任何任务，无论是作曲、下棋，打游戏，还是跟你谈情说爱——这就是通用 AI，一个让无数科学家们醉生梦死的终极梦想。本课程就教会你搭建这样一个初步通用的 AI 程序，一个可以玩各种游戏的通用学习器：“游戏高手”。首先，课程介绍会强化学习（Reinforcement）的基本概念以及关键算法；其次，我们会介绍 Google 在2015年发表的成果 DQN 网络：一个深度卷积网络与强化学习的结合物；之后，我们还将介绍基于 Python 的游戏平台 PyGame，以及如何用 PyTorch 实现这样一个 DQN 网络，从而让机器自己学习玩 Flappy Bird 游戏。

最后一节：神秘的 Swarmer 舞台

本课程设置了一个学员展示环节，我们将根据同学们历次提交的作业情况，甄选出三名左右学生，展示他们的作业完成情况，分享他们在做作业过程中遇到的问题以及解决方案。这五名学员将会作为“Swarmer”的候选。

Swarmer奖励政策

我们将根据学员完成作业的情况对优秀学员进行奖励和选拔，我们将挑选出5名优秀学员作为本年度Swarmer，可以享受：

1、全额退费：退还全部课程费用；

2、免费推荐到集智AI学园的合作单位；

3、为期半年的 VIP 权限；

4、受邀参加集智俱乐部（Swarma Club）年度 Party。

2016年集智学术圣诞party

课程价格

课程价格：499元

限时早鸟价：399元【可开发票】