pytorch-handbook README

The project's README from github.com/zergtant/pytorch-handbook. As one markdown file: README.md.

PyTorch 中文手册(pytorch handbook)

pytorch

书籍介绍

这是一本开源的书籍,目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门。

由于本人水平有限,在写此教程的时候参考了一些网上的资料,在这里对他们表示敬意,我会在每个引用中附上原文地址,方便大家参考。

深度学习的技术在飞速的发展,同时PyTorch也在不断更新,且本人会逐步完善相关内容。

版本说明

由于PyTorch版本更迭,教程的版本会与PyTorch版本,保持一致。

pytorch大版本更新的主要变动总结 当前版本 1.11

在线版本和PDF

国内的镜像,速度很快,不会被墙:https://www.pytorch.wiki/

PDF文件目前还没有找到好的生成方法,有熟悉这方面的朋友可以联系我,感激不尽

QQ 6群

群号:760443051

QR

点击链接加入群聊【PyTorch Handbook 交流6群】:https://jq.qq.com/?_wv=1027&k=X4Ro6uWv

1群(985896536)已满,2群(681980831) 3群(773681699)已满 4群(884017356)已满 5群(894059877)已满

不要再加了

新福利

公众账号每日分享干货文章 weixin QR

说明

感谢

目录

第一章:PyTorch 入门

  1. PyTorch 简介
  2. PyTorch 环境搭建
  3. PyTorch 深度学习:60分钟快速入门(官方)
  4. 相关资源介绍

第二章 基础

第一节 PyTorch 基础

  1. 张量
  2. 自动求导
  3. 神经网络包nn和优化器optm
  4. 数据的加载和预处理

第二节 深度学习基础及数学原理

深度学习基础及数学原理

第三节 神经网络简介

神经网络简介 注:本章在本地使用微软的Edge打开会崩溃,请使Chrome Firefox打开查看

第四节 卷积神经网络

卷积神经网络

第五节 循环神经网络

循环神经网络

第三章 实践

第一节 logistic回归二元分类

logistic回归二元分类

第二节 CNN:MNIST数据集手写数字识别

CNN:MNIST数据集手写数字识别

第三节 RNN实例:通过Sin预测Cos

RNN实例:通过Sin预测Cos

第四章 提高

第一节 Fine-tuning

Fine-tuning

第二节 可视化

visdom

tensorboardx

可视化理解卷积神经网络

第三节 Fast.ai

Fast.ai

第四节 训练的一些技巧

第五节 多GPU并行训练

多GPU并行计算

补充翻译文章:在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练

在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练

第五章 应用

第一节 Kaggle介绍

Kaggle介绍

第二节 结构化数据

Pytorch处理结构化数据

第三节 计算机视觉

Fashion MNIST 图像分类

第四节 自然语言处理

第五节 协同过滤

第六章 资源

torchaudio

第七章 附录

树莓派编译安装 pytorch 1.4

transforms的常用操作总结

pytorch的损失函数总结

pytorch的优化器总结

Script

script目录是我写的将ipynb转换成在线的版本和pdf文件的脚本,因为还在测试阶段,所以有什么问题请大家提出

License

本作品采用知识共享署名-非商业性使用-相同方式共享 3.0 中国大陆许可协议进行许可

pytorch-handbook (zergtant/pytorch-handbook)

Searching Database…

这是什么?这是一本开源的中文书,讲解用于深度学习的 PyTorch。全书以一组 Jupyter 笔记本的形式编写,其中的代码都经过了实际运行测试。
这是我要导入的库,还是我要阅读的书?这是一本书,由编号的章节组成,每章是一个或多个 Jupyter 笔记本(包括入门、基础、实践、进阶专题、应用、资源和附录),没有需要安装和导入的软件包。
初学者应该从哪里开始?从第 1 章开始,内容包括 PyTorch 简介、环境搭建,以及官方的“60 分钟快速入门”,涵盖张量、自动求导、神经网络和训练分类器。学完后再进入第 2 章更深入的基础内容。
跟着学需要先安装 PyTorch 吗?需要。每个笔记本都运行真正的 PyTorch 代码,教程版本与特定的 PyTorch 发行版保持同步(目前为 1.11)。附录甚至介绍了如何在树莓派上从源码编译 PyTorch 1.4。
有可下载的 PDF 版本吗?暂时没有。作者表示尚未找到理想的 PDF 生成方法;目前只提供在线版本(并配有国内高速镜像),ipynb 转 PDF 的脚本仍在测试中。
这个许可协议允许我怎样使用它?本书采用知识共享署名-非商业性使用-相同方式共享 3.0 中国大陆许可协议发布。你可以免费分享和改编,但不得用于商业目的,衍生作品必须采用相同的许可协议。
实践章节具体讲了哪些内容?内容包括用于二分类的逻辑回归、用于 MNIST 手写数字识别的卷积神经网络(CNN),以及根据 sin 预测 cos 的循环神经网络(RNN)。
书中是否涉及多 GPU 训练?涉及。进阶章节包括一节多 GPU 并行训练的内容,以及一篇关于使用 PyTorch 的 DistributedDataParallel 的译文。
书中涵盖哪些实际应用?应用章节使用 PyTorch 完成以下内容:Kaggle 竞赛、结构化数据、Fashion MNIST 图像分类、自然语言处理(NLP)和协同过滤。
有地方可以就这本书提问吗?作者建有多个 QQ 群供读者交流(大多已满员),还有一个分享相关文章的公众号。
Creator
zergtant
Size
146 MB
Stars
21.7K
Updated
CommitMar 25
Age
7y
Commits · 90 Days