Diese Tutorials wurden in die offiziellen Pytorch -Tutorials zusammengefasst. Bitte gehen Sie dorthin, um besser gepflegte Versionen dieser Tutorials, die mit neueren Versionen von Pytorch kompatibel sind.
Lernen Sie Pytorch mit projektbasierten Tutorials. Diese Tutorials zeigen moderne Techniken mit lesbarem Code und verwenden regelmäßige Daten aus dem Internet.
Tutorials
Serie 1: RNNs für NLP
Anwendung wiederkehrender neuronaler Netzwerke auf natürliche Sprachaufgaben von der Klassifizierung bis zur Generation.
- Namen mit einem RNN auf Charakterebene klassifizieren
- Erzeugen Sie Shakespeare mit einem RNN auf Charakterebene
- Erzeugen von Namen mit einem RNN auf bedingter Zeichenebene auf
- Übersetzung mit einer Sequenz zu Sequenznetzwerk und Aufmerksamkeit
- Erforschen von Wortvektoren mit Handschuh
- WIP- Sentimentanalyse mit einem RNN- und Handschuhbettendings auf Wortebene
Serie 2: RNNs für Timeseries -Daten
- WIP -Vorhersage diskreter Ereignisse mit einem RNN
Fangen an
Der schnellste Weg, diese auf einem frischen Linux- oder Mac -Computer auszuführen, besteht darin, Anaconda zu installieren:
curl -LO https://repo.continuum.io/archive/Anaconda3-4.3.0-Linux-x86_64.sh
bash Anaconda3-4.3.0-Linux-x86_64.sh
Dann pytorch installieren:
conda install pytorch -c soumith
Klonen Sie dann dieses Repo und starten Sie das Jupyter -Notizbuch:
git clone http://github.com/spro/practical-pytorch
cd practical-pytorch
jupyter notebook
Empfohlenes Lesen
Pytorch -Grundlagen
- http://pytorch.org/ für Installationsanweisungen
- Offical Pytorch Tutorials für weitere Tutorials (einige dieser Tutorials sind dort enthalten)
- Deep Learning mit Pytorch: Ein 60-minütiger Blitz, um mit Pytorch im Allgemeinen zu beginnen
- Einführung in Pytorch für frühere Torchies Wenn Sie ein ehemaliger LUA -Fackelbenutzer sind
- JCJohnsons Pytorch -Beispiele für einen umfassenderen Überblick (einschließlich benutzerdefinierter Module und Autograd -Funktionen)
Wiederkehrende neuronale Netzwerke
- Die unangemessene Wirksamkeit wiederkehrender neuronaler Netze zeigt eine Reihe von Beispielen im wirklichen Leben
- Deep Learning, NLP und Repräsentationen für einen Überblick über Worteinbettungen und RNNs für NLP
- Das Verständnis von LSTM -Netzwerken betrifft die LSTMS -Arbeit im Besonderen, aber auch über RNNs im Allgemeinen informativ
Maschinelle Übersetzung
- Lernphrase-Repräsentationen unter Verwendung des RNN-Encoder-Decoders für die statistische maschinelle Übersetzung
- Sequenz zum Sequenzlernen mit neuronalen Netzwerken
Aufmerksamkeitsmodelle
- Übersetzung der neuronalen maschinellen Übersetzung durch gemeinsames Lernen, sich auszurichten und zu übersetzen
- Effektive Ansätze für aufmerksamkeitsbasierte neuronale maschinelle Übersetzung
Andere RNN -Verwendungen
- Ein neuronales Konversationsmodell
Andere Pytorch -Tutorials
- Tiefes Lernen für NLP in Pytorch
Rückmeldung
Wenn Sie Ideen haben oder Fehler finden, hinterlassen Sie bitte eine Notiz.
