21.7K ·GitHub
Что это такое?
Это книга с открытым исходным кодом на китайском языке, которая учит PyTorch для глубокого обучения. Она написана в виде набора блокнотов Jupyter, весь код в которых проверен и действительно запускается.
Это книга с открытым исходным кодом на китайском языке, которая учит PyTorch для глубокого обучения. Она написана в виде набора блокнотов Jupyter, весь код в которых проверен и действительно запускается.Это библиотека, которую нужно импортировать, или книга, которую нужно читать?Это книга, разбитая на пронумерованные главы в виде блокнотов Jupyter (введение, основы, практика, продвинутые темы, приложения, ресурсы и приложение с дополнениями). Устанавливать и импортировать какой-либо пакет не нужно.
Это книга, разбитая на пронумерованные главы в виде блокнотов Jupyter (введение, основы, практика, продвинутые темы, приложения, ресурсы и приложение с дополнениями). Устанавливать и импортировать какой-либо пакет не нужно.С чего новичку стоит начать?Начните с главы 1: введение в PyTorch, настройка окружения и официальный «60-минутный блиц», где рассматриваются тензоры, autograd, нейронные сети и обучение классификатора. Затем переходите к более глубоким основам из главы 2.
Начните с главы 1: введение в PyTorch, настройка окружения и официальный «60-минутный блиц», где рассматриваются тензоры, autograd, нейронные сети и обучение классификатора. Затем переходите к более глубоким основам из главы 2.Нужно ли установить PyTorch, чтобы следовать материалу?Да, каждый блокнот запускает настоящий код PyTorch, а версия руководства синхронизирована с конкретным релизом PyTorch (сейчас это 1.11). В одном из приложений даже описана сборка PyTorch 1.4 из исходников на Raspberry Pi.
Да, каждый блокнот запускает настоящий код PyTorch, а версия руководства синхронизирована с конкретным релизом PyTorch (сейчас это 1.11). В одном из приложений даже описана сборка PyTorch 1.4 из исходников на Raspberry Pi.Есть ли версия в PDF для скачивания?Пока нет: автор пишет, что удачного способа создать PDF он не нашёл. Готова только онлайн-версия (с быстрым китайским зеркалом), а скрипт конвертации ipynb в PDF всё ещё находится на стадии тестирования.
Пока нет: автор пишет, что удачного способа создать PDF он не нашёл. Готова только онлайн-версия (с быстрым китайским зеркалом), а скрипт конвертации ipynb в PDF всё ещё находится на стадии тестирования.Что разрешает лицензия?Материалы распространяются по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 3.0 China. Это значит, что их можно бесплатно распространять и адаптировать, но нельзя использовать в коммерческих целях, а производные работы должны распространяться по той же лицензии.
Материалы распространяются по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 3.0 China. Это значит, что их можно бесплатно распространять и адаптировать, но нельзя использовать в коммерческих целях, а производные работы должны распространяться по той же лицензии.Что именно разбирается в главе с практикой?Логистическая регрессия для бинарной классификации, сверточная нейронная сеть (CNN) для распознавания рукописных цифр MNIST и рекуррентная нейронная сеть (RNN), которая предсказывает cos по sin.
Логистическая регрессия для бинарной классификации, сверточная нейронная сеть (CNN) для распознавания рукописных цифр MNIST и рекуррентная нейронная сеть (RNN), которая предсказывает cos по sin.Есть ли в книге что-то про обучение на нескольких GPU?Да, в продвинутой главе есть раздел о параллельном обучении на нескольких GPU и переведённая статья об использовании DistributedDataParallel в PyTorch.
Да, в продвинутой главе есть раздел о параллельном обучении на нескольких GPU и переведённая статья об использовании DistributedDataParallel в PyTorch.Какие практические применения рассматривает книга?В главе о приложениях PyTorch используется для соревнований на Kaggle, работы со структурированными данными, классификации изображений Fashion MNIST, обработки естественного языка (NLP) и коллаборативной фильтрации.
В главе о приложениях PyTorch используется для соревнований на Kaggle, работы со структурированными данными, классификации изображений Fashion MNIST, обработки естественного языка (NLP) и коллаборативной фильтрации.Где можно задать вопросы о книге?Автор ведёт несколько групп QQ для обсуждения читателями (большинство из них уже заполнены) и публичный аккаунт, где делится связанными статьями.
Автор ведёт несколько групп QQ для обсуждения читателями (большинство из них уже заполнены) и публичный аккаунт, где делится связанными статьями.What are similar projects?DeepLearning, fastbook, pytorch-book, Dive-into-DL-PyTorch, d2l-en, CV, deep-learning-with-python-notebooks, TensorFlow-Course
DeepLearning, fastbook, pytorch-book, Dive-into-DL-PyTorch, d2l-en, CV, deep-learning-with-python-notebooks, TensorFlow-CourseWhich topics is it in?kaggle, deep-learning-tutorial, image-classification, natural-language-processing, course, neural-network, jupyter notebook, fine-tuning, academic-research, nlp, data-science, book
kaggle, deep-learning-tutorial, image-classification, natural-language-processing, course, neural-network, jupyter notebook, fine-tuning, academic-research, nlp, data-science, book