Udacity 的 Intro to Deep Learning with PyTorch 是由 Facebook 的人工智慧團隊開設的線上課程，PyTorch 的主要開發者也是講師之一。重要的是，如果你不太需要修課證書的話，Udacity 的這門線上課程與習題都免費！
我過去用過許多機器學習套件，這次為了學習 PyTorch，花了大約總共十個小時的零碎時間完成了這門課，我覺得它很適合想好好練習程式碼實踐深度學習的學生。我將在這則筆記寫下我的課程心得、以及為何喜歡這門課。
目錄
為什麼要學 PyTorch
PyTorch 是最初由 Facebook 人工智慧研究團隊開發的深度學習套件，與 NumPy 相似的張量操作語法是它其中一大特色。它最常拿來跟 TensorFlow 與 Keras 比較，簡短而言，我們可以用工作目的來比較這些深度學習套件的選擇：
- 預測問題不複雜、要求快速構建模型：選擇 Keras（TensorFlow）
- 需要將模型大規模（或跨平台）部署在產品、或者是要在嵌入式系統執行：選擇 TensorFlow
- 想要快速做研究、嘗試新的深度學習模型構造：選擇 PyTorch
PyTorch 與 TensorFlow 詳細的比較可以參考 Learning By Hacking 分享的短文。不過，隨著 PyTorch 與 TensorFlow 每年都在快速更新，上述這些套件優勢差異越來越小。
筆者好豪自己則是在 Kaggle 上看到新比賽 PyTorch 使用者越來越多，加上常要寫程式實作關注領域的最新論文，認為 PyTorch 是個適合實驗新模型與新訓練方法的套件，所以找到了這門課並完成學習。
這門課適合什麼樣的人
非常適合想學好 PyTorch 實作的人！這門課 的主軸就是在學 PyTorch 程式碼，課程影片說明跟 PyTorch 程式碼作業的份量幾乎是 1:1，一部分的習題會是選擇題確認學習成效、一部分的習題則是用 Jupyter Notebook 的形式要求你寫出特定功能程式碼，教學團隊將提供參考解答給你檢查正確性。
由於這門課是專注教 PyTorch 在機器學習的應用，所以需要有 Python 基礎才適合來上課。PyTorch 套件本身有很多方便的功能、需要的 Python 知識背景不用太深厚，至少你要會寫 for loop、if else、也知道 function 是什麼，剩下的就邊上課邊學吧！
課程會全面性提到機器學習與深度學習的重點，所以不需要任何機器學習基礎，不過好豪認為每個主題說明都不深入，如果你完全沒學過機器學習的話，上課過程或許需要多點耐心、多查資料補充知識囉。
我認為這門課最適合寫過其他機器學習套件的人，例如使用過 Keras、TensorFlow、Scikit-Learn、XGBoost 等等，有其他機器學習使用經驗，這門課既可以用精美動畫幫你快速複習重要深度學習觀念、也有充足的 PyTorch 練習專案讓你上手這個 Facebook 主導開發的套件。
課程特色
就是要你動手寫 PyTorch
這門課 是一門完整練習 PyTorch 的課程，你需要對 PyTorch 有足夠的好奇心與學習慾望才適合來上課。這門課會從基本的 Tensor 定義教起、到模型建構、訓練與驗證流程，讓你全面地學會操作 PyTorch。課程的程式碼講師都放在 GitHub 上，讓你可以方便的閱讀與複習。
由於覺得官方課程 GitHub 內容有點散亂，好豪個人也推薦在上課的過程對照 yunjey 的 GitHub 程式碼 作為補充教材，很適合放在手邊當作 Cheatsheet、腦袋轉不過來的時候可以隨時參考 PyTorch 語法。
精美動畫教學
就如本文一再強調的，這門課 重視實戰演練，跟深度學習有關的數學講師大多不用公式講解、而是用動畫呈現概念。
這門課的深度學習講解動畫是好豪目前為止看過最好理解的，對學習相當有幫助。模型架構有許多複雜的超參數需要調整，用數學公式或文字敘述講解都會有眼花撩亂的感覺，本課程選擇用動畫的方式教學，學生在腦海中形塑出模型運作的畫面，理解模型更直覺。
實戰專案
這門課 會帶你一步步完成兩個大型實戰專案：圖像風格轉換、以及文本情緒辨識。值得一提的是，不只是深度學習架構，連資料處理的工作，課程都會要求你寫程式練習。
例如，在文本情緒辨識的專案中，你需要學會：
- 清理原始文字資料（處理大小寫與特殊符號）
- 將文字轉成整數編碼
- One-Hot Encoding 轉換
- 統一字串長度
這些工作聽起來都沒有深度學習架構本身那麼「酷」，但是，這些都是為了讓深度學習網路「看得懂」我們的資料所做的必要準備，不會這些技能，根本無法做出有效果的深度學習模型預測。這門課的專案內容囊括資料處理、模型建構、訓練、以及預測，讓你完整地練習深度學習實戰所需要的能力。
延伸學習
Udacity 的 Intro to Deep Learning with PyTorch 只能說是學 PyTorch 的敲門磚，我認為下一步需要好好研讀 PyTorch 完整的官方教學文件，包含了各式主題、想必會有能幫助到你研究專案的資訊！
除此之外，如果你跟我一樣有寫過其他深度學習套件、並且有好好跟著這門課寫程式習題的話，會發現 PyTorch 是個有點「囉唆」的套件，比起 Keras 這種方便的工具，就算是任務簡單的機器學習專案也要多寫好幾行程式碼。因此，上完這門課之後，好豪建議接著針對你的研究領域整合學習用來支援 PyTorch 的其他套件，提升工作效率：
- 自然語言處理：torchtext、pytorch-nlp
- 電腦視覺：torchvision
- 模型架構組織與管理：PyTorch Lightning
結語
涵蓋所有深度學習的重點知識、精美動畫教學、並且滿滿的 PyTorch 實作習題，好豪認為這門 Udacity 課程 Intro to Deep Learning with PyTorch 是最讚的 PyTorch 學習課程！只要你想學好 PyTorch，這門課肯定是不二之選，快挽起袖子、開始上課寫程式吧！
此外，如果你習慣上課的時候有本書可以參考，由 PyTorch 核心開發者撰寫的《PyTorch 深度學習攻略》（博客來連結）是優質的入門教材，值得一看。
學完這門課的幾個月後，筆者好豪在 2021 年 3 月結束的影像辨識深度學習競賽中拿到前 5%，這是我首次在專案中運用 PyTorch，想知道 PyTorch 如何運用在實戰中的讀者，歡迎閱讀我的 AIdea 競賽心得文章。
