Hemos creado una serie de tutoriales para introducir uno de los frameworks de deep learning más avanzados, PyTorch, y sus principales módulos. A continuación se puede ver un listado con las partes del curso:
- Programación orientada a objetos en PyTorch.
- Tensores en PyTorch.
- Almacenamiento de tensores en PyTorch.
- Módulo de redes neuronales.
- Optimización en PyTorch.
- Autograd en PyTorch.
- Datasets y Dataloaders en PyTorch.
- Nuevas herramientas de optimización en PyTorch.
- Optimización bayesiana con PyTorch y Ax.
- PyTorch con Cuda en Colab.
- LSTMs en PyTorch.
- Librería PyTorch-NLP para procesamiento de lenguaje.
- Interpretabilidad en PyTorch con Captum.
- Visualización en PyTorch con TensorBoard.
- Reproducibilidad en modelos de deep learning.
- Graph Neural Networks (GNNs) con PyTorch Geometric.
- Hooks en PyTorch.
- Extendiendo PyTorch.

PyTorch se está convirtiendo en un framework de referencia para la investigación, desarrollo e implementación de modelos de deep learning. Ofrece una serie de beneficios que lo convierten en un framework muy ágil, flexible y potente:
- Fácil de implementar, programar y depurar.
- Permite controlar al detalle las computaciones realizadas y es eficiente en ejecución.
- Es imperativo, realizando las computaciones de manera flexible mientras se ejecuta.
- Integración con CUDA para facilitar su ejecución en GPUs.
hola, me gustaría recibir información acerca del Curso Deep learning con PyTorch.
muchas gracias
Hola, el curso es una serie de artículos sobre distintos aspectos de PyTorch (tesores, autograd, lstms).
Tienen un orden que permite ir adquiriendo conocimientos progresivamente.
Además, el curso se va actualizando con nuevos artículos con novedades de PyTorch.
Muchas gracias