12.7K ·GitHub
这是什么？
这是一份精选清单，收录与 PyTorch 相关的教程、论文、项目、库、视频、书籍和社区，内容涵盖从基础深度学习到大语言模型（LLM）、智能体 AI 和强化学习的各个方面。
这是一份精选清单，收录与 PyTorch 相关的教程、论文、项目、库、视频、书籍和社区，内容涵盖从基础深度学习到大语言模型（LLM）、智能体 AI 和强化学习的各个方面。这是一个库，还是只是一份链接列表？它纯粹是一份按主题组织成目录的精选链接索引（如大语言模型、智能体 AI、计算机视觉、自然语言处理等），而不是需要安装的库或软件包。
它纯粹是一份按主题组织成目录的精选链接索引（如大语言模型、智能体 AI、计算机视觉、自然语言处理等），而不是需要安装的库或软件包。这份清单是如何组织的？我应该从哪里开始？条目在一个较长的目录下按学科领域分组，先是 PyTorch 通用教程，然后依次是大语言模型、智能体 AI、安全护栏、表格数据、计算机视觉、自然语言处理等。初学者可以从教程部分顶部的 Official PyTorch Tutorials 和《Dive Into Deep Learning with PyTorch》入手。
条目在一个较长的目录下按学科领域分组，先是 PyTorch 通用教程，然后依次是大语言模型、智能体 AI、安全护栏、表格数据、计算机视觉、自然语言处理等。初学者可以从教程部分顶部的 Official PyTorch Tutorials 和《Dive Into Deep Learning with PyTorch》入手。浏览这份清单需要先安装什么东西吗？不需要，它只是一个 README 文件；只有在你决定尝试某个链接的教程、库或论文时，才需要安装该内容所要求的依赖。
不需要，它只是一个 README 文件；只有在你决定尝试某个链接的教程、库或论文时，才需要安装该内容所要求的依赖。这些条目经过审核或保持更新吗？该仓库依靠社区提交的拉取请求（PR）来添加和维护条目，因此内容是否及时、是否经过审核，取决于持续的社区贡献，而不是正式的审核流程。
该仓库依靠社区提交的拉取请求（PR）来添加和维护条目，因此内容是否及时、是否经过审核，取决于持续的社区贡献，而不是正式的审核流程。这份清单适合哪些人？PyTorch 用户和深度学习从业者都适用：既有想找教程的初学者，也有想寻找量子机器学习、脉冲神经网络或金融机器学习等小众主题论文的研究人员。
PyTorch 用户和深度学习从业者都适用：既有想找教程的初学者，也有想寻找量子机器学习、脉冲神经网络或金融机器学习等小众主题论文的研究人员。它也涵盖大语言模型和 AI 智能体吗？是的，专门设有大语言模型（训练、微调、量化、RAG）和智能体 AI（多智能体系统、自主智能体、规划/推理框架，如 LangGraph、AutoGen、CrewAI 和 AutoGPT）两个部分。
是的，专门设有大语言模型（训练、微调、量化、RAG）和智能体 AI（多智能体系统、自主智能体、规划/推理框架，如 LangGraph、AutoGen、CrewAI 和 AutoGPT）两个部分。有关于 AI 安全或安全护栏的内容吗？有的，“Guardrails and AI Safety”部分列出了内容审核、提示词注入防御、偏见检测、隐私保护机器学习（Opacus、PySyft、CrypTen）以及模型可解释性（SHAP、Captum、LIME）等工具。
有的，“Guardrails and AI Safety”部分列出了内容审核、提示词注入防御、偏见检测、隐私保护机器学习（Opacus、PySyft、CrypTen）以及模型可解释性（SHAP、Captum、LIME）等工具。有没有专门针对 AI 智能体的单独资源？有的，README 链接到一份名为“The Incredible AI Agents”的配套清单，可以更深入地了解该主题。
有的，README 链接到一份名为“The Incredible AI Agents”的配套清单，可以更深入地了解该主题。这份清单涵盖多少个主题？数十个，从生成对抗网络（GAN）、Transformer、图像分割和强化学习，到时间序列、金融机器学习、量子机器学习和脉冲神经网络。
数十个，从生成对抗网络（GAN）、Transformer、图像分割和强化学习，到时间序列、金融机器学习、量子机器学习和脉冲神经网络。What are similar projects?Machine-Learning-Tutorials, DeepLearning, Deep-Learning-Papers-Reading-Roadmap, awesome-deep-learning-papers, autumn-recruitment, ai-engineering-interview-questions-company-wise, llm_interview_note, LLM101n
Machine-Learning-Tutorials, DeepLearning, Deep-Learning-Papers-Reading-Roadmap, awesome-deep-learning-papers, autumn-recruitment, ai-engineering-interview-questions-company-wise, llm_interview_note, LLM101nWhich topics is it in?deep-learning-tutorial, deep-neural-networks, reinforcement-learning, quantization, fine-tuning, transformer, nlp, rag, computer-vision, multi-agent, learning-resources, pytorch
deep-learning-tutorial, deep-neural-networks, reinforcement-learning, quantization, fine-tuning, transformer, nlp, rag, computer-vision, multi-agent, learning-resources, pytorch