PyTorch Tutorial 2nd
v1.0.0-PD
بعد 5 سنوات و 4 سنوات وسنتين ، تم الانتهاء من "البرنامج التعليمي العملي Pytorch" (الطبعة الثانية). فوق جوهر الطبعة الأولى ، تمت إضافة حالات تطبيق التعلم العميق الغنية والمفصلة وأطر نشر التفكير المنطق ، مما يجعل هذا الكتاب بشكل أكثر منظمًا المعرفة التي ينطوي عليها مهندسي التعلم العميق. على سبيل المثال ، كان تطوير تكنولوجيا الذكاء الاصطناعي موجة بعد الموجة ، "البرنامج التعليمي العملي Pytorch" (الطبعة الثانية) لم ينته ، ولكن أبحر مرة أخرى ، وفتح تقنيات جديدة ومجالات جديدة وفصول جديدة. آمل أن أستمر في التعلم والتقدم مع الجميع في تكنولوجيا الذكاء الاصطناعي في المستقبل.
اقرأ عبر الإنترنت ( المصدر المفتوح مجانًا ): "برنامج تعليمي عملي Pytorch" (الطبعة الثانية)
رمز الدعم ( Open Source Free ): "برنامج تعليمي عملي Pytorch" (الطبعة الثانية)
؟؟؟: يرجى النقر على النجوم لتشجيعها!
تم تضمين هذا المشروع في مجتمع Hellogithub وتم إضافته إلى برنامج شارة Hellogithub
يأخذ هذا الكتاب المفاهيم الأساسية مثل حجر الزاوية ، ورؤية الكمبيوتر ، ومعالجة اللغة الطبيعية ، ونماذج اللغة الكبيرة باعتبارها الإطار الأساسي ، وإطار نشر الاستدلال كجسر ، وكلهم يوفرون للقراء تفسيرات هندسة رمز ونظرية لتنفيذ المشروع. ينقسم الكتاب إلى ثلاثة أجزاء ، الجزء الأول: مقدمة ، الجزء الثاني: التطبيق ، الجزء التالي: التنفيذ.
أساسيات Pytorch. بالنسبة للمبتدئين ، الطلاب غير المهنيين والطلاب الجامعيين ، نقدم مقدمة إلى Pytorch ، وشرح بناء بيئة التطوير ، ونقدم الوحدات الأساسية للبيتورش مثل البيانات والنماذج والتحسين والتصور. أخيرًا ، نستخدم نقاط معرفة Pytorch الموضحة لإنشاء مجموعة من بنية التعليمات البرمجية الخاصة لوضع الأساس للتطبيقات اللاحقة.
التطبيق الصناعي. بعد المقالة السابقة ، شحنت سكينًا جيدًا ثم استخدمته لإظهار مهاراتي في مختلف المجالات. سيتم شرح ثلاثة مواضيع ، وهي رؤية الكمبيوتر ومعالجة اللغة الطبيعية ونموذج اللغة الكبيرة.
-
في الفصل السيرة الذاتية ، يتضمن المهام السائدة ، بما في ذلك ثماني مهام رئيسية: تصنيف الصور ، تجزئة الصور ، الكشف عن الكائنات ، تتبع الكائنات ، توليد GAN ، توليد الانتشار ، وصف الصورة واسترجاع الصورة .
-
في فصل NLP ، يتضمن شرحًا مفصلًا وتطبيقًا لـ RNN و LSTM و Transformer و Bert و GPT. تتضمن مهام التطبيق خمس مهام رئيسية: تصنيف النص ، والترجمة الآلية ، والتعرف على الجسم ، وسؤال ضمان الجودة والإجابة ، وتوليد المقالات .
-
في الفصل LLM ، يتضمن 4 عمليات نشر LLM وتحليل الكود وتطبيق صناعة LLM - GPT Academic (GPT Academic Optimization) ، LLM تشمل أربعة نماذج رئيسية رئيسية من المصادر المفتوحة في الصين ، QWEN ، ChatGLM ، Baichuan و YI .
يتم تنفيذ الصناعة. مع الأدوات والسيناريوهات ، يجب أن نجعلها قيمة وتصبح خدمات خوارزمية قابلة للاستخدام ومفيدة. لذلك ، من الشائع تجريد إطار التدريب والإطار الثقيل مثل Pytorch للنشر والتسارع والقياس. سيقدم هذا الفصل مبادئ واستخدام ONNX و Tensorrt ، وفي الوقت نفسه ، يستخدم Tensorrt لتحليل مفهوم القياس الكمي ، والمبادئ العملية ومبادئ PTQ و QAT .
أعتقد أنه من خلال تعلم المقالات الأولى والمتوسطة والمتوسطة ، يمكن أن تساعد الطلاب التمهيديين على تجنب العديد من التفافى ، وسرعان ما يتقن Pytorch ، ولديهم القدرة على الوقوف بمفردهم ، ويمكنهم اختيار نماذج الخوارزمية بناءً على السيناريوهات الفعلية ، ويمكنهم نشر النماذج وتطبيقها لتشكيل حلقة مغلقة ، وفتح العملية بأكملها.
بنية واضحة: ينقسم الكتاب بأكمله إلى ثلاثة أجزاء: الجزء الأول (مقدمة) ، الجزء الثاني (التطبيق) ، والجزء التالي (التنفيذ) ، توجيه القراء تدريجياً للتعلم بعمق.
مزيج من النظرية والممارسة: لا يوفر تفسيرات نظرية فحسب ، بل يسمح أيضًا للقراء بتطبيق النظرية على الممارسة من خلال حالات المشروع الغنية.
الحالات العملية الغنية: توفير حالات عملية في مجالات متعددة مثل رؤية الكمبيوتر ومعالجة اللغة الطبيعية ونماذج اللغة الكبيرة.
التغطية المنهجية: يغطي أساسيات Pytorch ، ومهام رؤية الكمبيوتر الأساسية ، ومهام معالجة اللغة الطبيعية ، وأساسيات نموذج اللغة الكبيرة ، وإطار نشر الاستدلال.
قابلية التطبيق على نطاق واسع: مناسبة لطلاب الدراسة الذاتي الذاتي ومديري منتجات الذكاء الاصطناعى والطلاب الحاليين والأشخاص المتقاطعين للقراءة ومقابلة القراء بخلفيات واحتياجات مختلفة.
من أجل تعزيز جو القراءة للقراء وتوفير قنوات الاتصال ، تم إنشاء مجموعة اتصال QQ خصيصًا.
لضمان جودة الاتصال داخل المجموعة ، تحتاج إلى كلمة مرور للانضمام إلى المجموعة. يرجى التحقق من الرمز
في المستقبل القريب ، سوف نشارك أحدث المقالات الفنية في المجموعة ، بما في ذلك CV Project Combat و LLM التفكير والنشر وأنظمة RAG وغيرها من التقنيات المتطورة. مرحبًا بك للانضمام إلى التبادل الفني.
مجموعة: 671103375 (كاملة)
المجموعة 2: 773031536 (كاملة)
ثلاث مجموعات: 514974779 (كامل)
أربع مجموعات: 854620826
تم ترخيص هذا العمل بموجب ترخيص Creative Commons Noncommercial Use 4.0.
توقف عن سجل التحديث:
| تاريخ | جدول | سبب لوقف التحديث | توقف الوقت |
|---|---|---|---|
من المتوقع أن يستمر حتى نوفمبر | |||
