这是 PyTorch 的基本用法与常用模型的搭建等，分类和回归任务是基于经典模型的增强表征和基准提高。
| 名称（name） | 数据集（datasets） | 准确率（accuracy） | 解释（explain） |
|---|---|---|---|
| PyTorch基础 | / | / | PyTorch语法与概念 |
| 线性回归 | / | / | |
| 逻辑回归 | MNIST | 92.17% | |
| 前馈神经网络 | MNIST | 97.16% | 前向传播 |
| 卷积神经网络 | MNIST | 98.8% | |
| LeNet-5 | MNIST | 99.04% | 手写数字识别的CNN模型 |
| 循环神经网络 | MNIST | 97.01% | 处理和预测时序数据 |
| AlexNet | CIFAR10 | 86.1% | ImageNet比赛提出的5层CNN模型 |
| VGGNet | CIFAR10 | VGG-16: 92.23% VGG-19: 91.99% |
加深版的AlexNet |
| GoogLeNet | CIFAR10 | aux_logits=True: 86.99% aux_logits=False: 85.88% |
首次引入Inception结构 |
| ResNet | CIFAR10 | 89.89% | 引入残差块 |
| TensorBoard | CIFAR10 | / | 多个CNN模型的对比 |
| Object Detection | VIDEOS | / | 基于YOLOv5s模型的目标检测 |