📄️ PyTorch
Développement de modèles profonds avec PyTorch, du tenseur brut au service ONNX. Durée : 9h, avec un projet Fashion-MNIST, un examen de 40 questions et une attestation vérifiable.
📄️ 1. Tenseurs PyTorch
Module 1 du cours premium PyTorch : création, formes, types et dispositifs des tenseurs, mémoire partagée avec NumPy, diffusion et pièges des opérations en place.
📄️ 2. Autograd et gradients
Module 2 du cours premium PyTorch : requires_grad, backward, accumulation des gradients, torch.no_grad et différence entre graphe dynamique et graphe statique.
📄️ 3. nn.Module
Module 3 du cours premium PyTorch : construire un modèle avec nn.Module, sous-modules, parameters, state_dict, nn.Sequential et initialisation des poids.
📄️ 4. Dataset et DataLoader
Module 4 du cours premium PyTorch : Dataset personnalisé, transformations, DataLoader avec batch, shuffle et num_workers, découpage train/val/test correct.
📄️ 5. Boucle d'entraînement
Module 5 du cours premium PyTorch : boucle d'entraînement manuelle, model.train() et eval(), pas d'optimisation, métriques par époque et détection du surapprentissage.
📄️ 6. Optimiseurs et planificateurs
Module 6 du cours premium PyTorch : SGD avec momentum, Adam et AdamW, weight_decay, StepLR, CosineAnnealingLR, OneCycleLR et recherche du taux d'apprentissage.
📄️ 7. GPU et précision mixte
Module 7 du cours premium PyTorch : transférer tenseurs et modèle vers le GPU, torch.cuda.amp avec autocast et GradScaler, mesure du débit et aperçu de torch.compile.
📄️ 8. Points de contrôle
Module 8 du cours premium PyTorch : sauvegarder modèle, optimiseur, planificateur, époque et RNG, reprise exacte avec map_location et distinction meilleure époque contre dernière.
📄️ 9. Transfert avec torchvision
Module 9 du cours premium PyTorch : réutiliser un ResNet18 préentraîné, geler les couches, remplacer la tête, affinage progressif et normalisation attendue par le modèle.
📄️ 10. TorchScript, ONNX et service
Module 10 du cours premium PyTorch : exporter en TorchScript par trace ou script, export ONNX, vérification numérique et service minimal sans dépendance à Python.
📄️ Récapitulation et examen
Récapitulation complète du cours premium PyTorch : tenseurs, autograd, nn.Module, DataLoader, boucle, optimiseurs, GPU/AMP, checkpoints, transfert, TorchScript/ONNX, puis l'examen de 40 questions.