32.5K ·GitHub
这是什么？
这是一组面向深度学习研究人员的 PyTorch 教程代码，从基础到进阶主题都有覆盖，每个模型尽可能控制在 30 行代码以内实现。
这是一组面向深度学习研究人员的 PyTorch 教程代码，从基础到进阶主题都有覆盖，每个模型尽可能控制在 30 行代码以内实现。这是一个库还是一组示例脚本？这是一组按主题（基础、进阶、高级、工具）组织的独立示例脚本，不是可以安装的库或框架。
这是一组按主题（基础、进阶、高级、工具）组织的独立示例脚本，不是可以安装的库或框架。我该如何开始学习这些教程？克隆仓库，然后运行每个模型文件夹中的 Python 脚本（这些文件夹分别位于 Basics、Intermediate、Advanced、Utilities 之下）；建议先完成 PyTorch 官方教程。
克隆仓库，然后运行每个模型文件夹中的 Python 脚本（这些文件夹分别位于 Basics、Intermediate、Advanced、Utilities 之下）；建议先完成 PyTorch 官方教程。运行这些代码需要安装什么？Python 2.7 或 3.5 及以上版本，以及 PyTorch 0.4.0 及以上版本。
Python 2.7 或 3.5 及以上版本，以及 PyTorch 0.4.0 及以上版本。这些代码是否跟得上最新版的 PyTorch？所列依赖为 PyTorch 0.4.0 及以上版本，这是一个很老的版本，因此部分代码在现代 PyTorch 版本上可能需要修改后才能正常运行。
所列依赖为 PyTorch 0.4.0 及以上版本，这是一个很老的版本，因此部分代码在现代 PyTorch 版本上可能需要修改后才能正常运行。这个教程涵盖哪些主题？内容由浅入深：从基础（线性/逻辑回归、前馈网络）到进阶（CNN、ResNet、RNN、双向 RNN、语言模型），再到高级（GAN、VAE、神经风格迁移、基于 CNN-RNN 的图像描述生成），最后是工具（PyTorch 中使用 TensorBoard）。
内容由浅入深：从基础（线性/逻辑回归、前馈网络）到进阶（CNN、ResNet、RNN、双向 RNN、语言模型），再到高级（GAN、VAE、神经风格迁移、基于 CNN-RNN 的图像描述生成），最后是工具（PyTorch 中使用 TensorBoard）。是否包含 GAN 等生成模型？包含。高级部分实现了生成对抗网络（GAN）、变分自编码器（VAE）和神经风格迁移。
包含。高级部分实现了生成对抗网络（GAN）、变分自编码器（VAE）和神经风格迁移。我能用它来可视化训练过程吗？可以。工具部分展示了如何在 PyTorch 中使用 TensorBoard。
可以。工具部分展示了如何在 PyTorch 中使用 TensorBoard。为什么每个模型都控制在 30 行代码以内？目的是让实现便于阅读，方便快速学习，而不是提供可用于生产环境或高度抽象封装的代码。
目的是让实现便于阅读，方便快速学习，而不是提供可用于生产环境或高度抽象封装的代码。What are similar projects?DeepLearning, TensorFlow-Course, annotated_deep_learning_paper_implementations, pytorch-handbook, Dive-into-DL-PyTorch, 100-Days-Of-ML-Code, fastbook, llama3-from-scratch
DeepLearning, TensorFlow-Course, annotated_deep_learning_paper_implementations, pytorch-handbook, Dive-into-DL-PyTorch, 100-Days-Of-ML-Code, fastbook, llama3-from-scratch