الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

هذا هو الرمز المقابل لكتاب "إطار التعلم العميق Pytorch: البدء والممارسة (الإصدار الثاني)" ، ولكن يمكن أيضًا استخدامه كدليل ومبتدئ في Pytorch مستقل.

ترقية جديدة

تمت ترقية الإصدار الثاني من هذا الكتاب حديثًا استنادًا إلى الإصدار الأول ، ويتم كتابة رمز الكتاب بناءً على الإصدار الأول من Pytorch الإصدار 1.8. تم تحديثه بشكل شامل مع آراء القراء من الإصدار الأول ، بما في ذلك ثلاث وحدات: الاستخدام الأساسي ، التوسع المتقدم والتطبيقات العملية.

محتوى

يظهر محتوى هذا الكتاب (البرنامج التعليمي/المستودع) في الشكل: خريطة العقل

يمكن ملاحظة أن هذا البرنامج التعليمي يمكن تقسيمه إلى ثلاثة أجزاء:

يشرح الاستخدام الأساسي (الفصل 2 إلى 5) محتوى Pytorch. يقدم هذا الجزء الوحدات الرئيسية في Pytorch وبعض الأدوات الشائعة الاستخدام في التعلم العميق. بالنسبة لهذا الجزء من المحتوى ، نستخدم هنا دفتر Jupyter كأداة تعليمية ، ويمكن للقراء تعديل وتشغيل دفتر الملاحظات وتجربة مرارا وتكرارا.

  • يقدم الفصل 2 تثبيت Pytorch وتكوين بيئات التعلم ذات الصلة. في الوقت نفسه ، يقدم هذا الفصل المحتوى الرئيسي ل Pytorch بطريقة تفصيلية لمساعدة القراء على الحصول على فهم أولي للبيتورش.
  • يقدم الفصل 3 استخدام موتر صفيف متعدد الأبعاد ونظام التفاضلي التلقائي التلقائي في Pytorch ، ويعطي أمثلة على كيفية استخدام الموتر والعصر التلقائي لتحقيق الانحدار الخطي ، ومقارنة خلافاتها. يحلل هذا الفصل الهيكل الأساسي للتوتر ومبادئ Autograd لمساعدة القراء على فهم وحدات Pytorch الأساسية بشكل أكثر شمولية.
  • يقدم الفصل 4 الاستخدام الأساسي لوحدة الشبكة العصبية NN في Pytorch ، ويشرح الطبقات ، وظائف التنشيط ، وظائف الخسارة والمحسّنات في الشبكة العصبية ، ويدفع القراء إلى استخدام أقل من 50 سطرًا من التعليمات البرمجية لتنفيذ بنية الشبكة الكلاسيكية.
  • يقدم الفصل 5 أدوات مثل تحميل البيانات ، ونماذج ما قبل التدريب ، وأدوات التصور ، وتسارع GPU في Pytorch. يمكن أن يؤدي استخدام هذه الأدوات بعقلانية إلى تحسين كفاءة برمجة المستخدم.

تشرح الامتدادات المتقدمة (الفصول 6-8) بعض الامتدادات المتقدمة في Pytorch. تعلم هذا الجزء يمكن أن يساعد القراء في كتابة برامج أكثر كفاءة.

  • يقدم الفصل 6 أفكارًا لتجارة التقييم في Pytorch ، بما في ذلك قواعد البث ، والفهارس الأساسية ، والفهارس المتقدمة وعمليات Einstein. في نهاية هذا الفصل ، قيادة القراء لاستخدام أفكار التقييم لتنفيذ العمليات التلافيفية ، والتشابية ، ومواءمة العائد على الاستثمار ، وعكس العمليات الفريدة في التعلم العميق.
  • يقدم الفصل 7 العمليات الموزعة في Pytorch. يمكن للحوسبة الموزعة والحوسبة المتوازية تسريع عملية تدريب الشبكة. يقدم هذا الفصل بالتفصيل المبادئ الأساسية للحوسبة المتوازية والحوسبة الموزعة ، كما يقدم كيفية استخدام Torch.dributed و Horovod للتدريب الموزعة للبيتورش.
  • يقدم الفصل 8 امتداد CUDA في Pytorch ، مما يؤدي إلى استخدام القراء إلى استخدام CUDA لتنفيذ وظائف Sigmoid. في الوقت نفسه ، يلخص هذا الفصل العلاقة بين CUDA و NVIDIA-Driver و Cudnn و Python.

التطبيقات العملية (الفصل 9-13) استخدم Pytorch لتنفيذ العديد من التطبيقات الرائعة والمثيرة للاهتمام. بالنسبة لهذا الجزء من المحتوى ، يوفر هذا المستودع رمز تنفيذ كامل ويوفر نماذج مدربة مسبقًا كعروض تجريبية للقراء للاختبار.

  • الفصل 9 هو الفصل الذي يربط الماضي والمستقبل. الهدف من ذلك هو عدم تعليم القراء وظائف جديدة ومعرفة جديدة ، ولكن الجمع بينها مع منافسة كلاسيكية في Kaggle لتحقيق أبسط مشكلة التصنيف الثنائية للصور في التعلم العميق. أثناء عملية التنفيذ ، سيقود القراء إلى مراجعة معرفة الفصول الخمسة الأولى ومساعدة القراء على تنظيم البرامج والرمز بشكل معقول لتسهيل القراءة والصيانة بشكل أفضل. في الوقت نفسه ، يقدم هذا الفصل كيفية التصحيح في Pytorch.
  • يقدم الفصل 10 المبادئ الأساسية لتوليد شبكات عدوانية ، وقيادة القراء لتنفيذ مولد الصورة الرمزية من الصفر ، ويمكنه استخدام الشبكة العدائية التوليدية لتوليد الآلهة الأنمي مع أنماط مختلفة.
  • يقدم الفصل 11 بعض المعرفة الأساسية لمعالجة اللغة الطبيعية ، ويقدم بالتفصيل المبادئ الأساسية لـ Charrnn و Transformer. يقود هذا الفصل القراء إلى استخدام المحول لكتابة القصائد تلقائيًا. يمكن أن يقلد هذا البرنامج الأشخاص القدامى لتتصل القصائد وتوليد قصائد خفية.
  • يقدم الفصل 12 المبادئ الأساسية لنقل الأسلوب ويقود القراء إلى تنفيذ الشبكات العصبية التي تدعم نقل النمط التعسفي. من خلال هذه الشبكة ، يمكن للقراء تحويل أي صورة إلى نمط اللوحات الشهيرة.
  • يقدم الفصل 13 المبادئ الأساسية للكشف عن الكائنات ويؤدي إلى تنفيذ خوارزمية الكشف عن الهدف من المرحلة الواحدة وخالية من المرساة والقيمة القصوى. يمكن ترحيل أفكار تصميم Conternet إلى مشاكل رؤية الكمبيوتر الكلاسيكية مثل اكتشاف الكائنات وتقدير الموقف البشري وتتبع الصور ثلاثية الأبعاد.

ينتمي محتوى وصف النص وبعض محتوى Markdown في دفتر الملاحظات إلى المسودة الأولى لهذا الكتاب. قد يكون هناك بعض الإزعاج في الوصف. يرجى فهم أن المؤلف سوف يصححه تدريجياً لاحقًا . يضمن هذا الجزء من المحتوى 80 ٪ من الاتساق مع الكتاب ، ولكن قد يكون هناك بعض المشكلات النحوية. بسبب قيود الوقت ، سيقوم المؤلف بتحديثه تدريجياً في المستقبل.

هل تحتاج لشراء كتاب؟

الكتب ليست ضرورية . يحتوي هذا المستودع على أكثر من 60 ٪ من محتوى النص وأكثر من 90 ٪ من الكود في الكتاب ، وخاصة محتوى المقدمة في الفصول القليلة السابقة ، والتي تحتفظ بالكامل تقريبًا بمحتوى التفسير في الكتاب. يمكن للقراء استخدام هذا البرنامج التعليمي بشكل طبيعي حتى لو لم يشتروا الكتب.

إذا كنت تعتقد أنك تفضل تجربة القراءة للإصدار الورقي وتريد ترك كتاب مطبوع ومطبوعًا تمامًا لسهولة القراءة ، فقد تنفق أيضًا القليل من المال لدعم عمل المؤلف على مدار العام الماضي ~

وصف رمز

يتم اختبار الرمز بشكل أساسي تحت Python3+Pytorch1.6 ~ 1.8 للحصول على النتيجة النهائية. لم يتم اختبار Python2 بعد ، ولم يتم اختبار النسخة المحدثة من Pytorch بعد.

إذا كان هناك أي عدم تخصيص أو أي مجالات تحتاج إلى تحسين ، فيرجى فتح مناقشة مشكلة أو تقديم طلب سحب.

تكوين البيئة

  1. لتثبيت Pytorch ، يرجى تحديد الإصدار المحدد من الموقع الرسمي لتثبيته ، وتثبيته بنقرة واحدة. لمزيد من طرق التثبيت ، يرجى الرجوع إلى التعليمات الواردة في الكتاب.

  2. استنساخ المستودع 

     git clone https : // github . com / chenyuntc / PyTorch - book . git

^_^

إذا كان لديك أي أخطاء ، أو تفسيرات غير واضحة أو إرباكات ، يرجى فتح مشكلة

مرحبا بكم في سحب الطلبات

ترميز سعيد!

  • رابط شراء jd.com
  • رابط شراء Dangdang
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل