Dive into DL PyTorch
1.0.0
Dieses Projekt ändert die Implementierung von MXNET-Code im Originalbuch "Hand-on Learning Deep Learning" in die Pytorch-Implementierung. Originalbuchautoren: Aston Zhang, Li Mu, Zachary C. Lipton, Alexander J. Smora und andere Community-Mitwirkende, Github Adresse: https://github.com/d2l-ai/d2l-zh
Es gibt einige Unterschiede in den chinesischen und englischen Versionen dieses Buches. Informationen zum Pytorch Refactoring der englischen Version dieses Buches finden Sie in diesem Projekt. Es gibt einige Unterschiede zwischen den chinesischen und englischen Versionen dieses Buches. Für die Änderung der englischen Version von Pytorch können Sie sich auf dieses Repo beziehen.
Dieses Repository enthält hauptsächlich zwei Ordner: Code und Dokumente (plus einige Daten werden in Daten gespeichert). Der Codeordner ist der relevante Jupyter -Notebook -Code für jedes Kapitel (basierend auf Pytorch). Der DOCS-Ordner ist der relevante Inhalt im Buch "Hand-on Deep Learning" im Markdown-Format und verwenden docSify, um das Web-Dokument auf GitHub-Seiten bereitzustellen. Da das Originalbuch das MXNET -Framework verwendet, unterscheiden sich der DOCS -Inhalt möglicherweise geringfügig vom Originalbuch, aber der Gesamtinhalt ist der gleiche. Beiträge zu diesem Projekt oder zu diesem Thema sind willkommen.
Dieses Projekt richtet sich an Kinderschuhe, die an Deep Learning interessiert sind, insbesondere für diejenigen, die Pytorch für Deep Learning verwenden möchten. In diesem Projekt müssen Sie keine Hintergrundkenntnisse über tiefes Lernen oder maschinelles Lernen haben. Sie müssen nur grundlegende Mathematik und Programmierung verstehen, wie z. B. grundlegende lineare Algebra, Differential und Wahrscheinlichkeit sowie grundlegende Python -Programmierung.
Dieses Repository enthält einige Latex -Formeln, aber der Markdown -Native von Github unterstützt keine Formelanzeige, und der DOCS -Ordner wurde auf Github -Seiten unter Verwendung von DocSify bereitgestellt. Der einfachste Weg, das Dokument anzuzeigen, besteht darin, direkt auf die Webversion dieses Projekts zuzugreifen. Wenn Sie den entsprechenden Code noch ausführen möchten, müssen Sie das Projekt noch klonen und dann den entsprechenden Code im Codeordner ausführen.
Sie können auch lokal auf die Dokumentation zugreifen und zuerst docsify-cli -Tool installieren:
npm i docsify-cli -gDann klonen Sie das Projekt lokal:
git clone https://github.com/ShusenTang/Dive-into-DL-PyTorch.git
cd Dive-into-DL-PyTorch Führen Sie dann einen lokalen Server aus, damit Sie in Echtzeit unter http://localhost:3000 problemlos auf den Dokument -Web -Rendering -Effekt zugreifen können.
docsify serve docs Wenn Sie das docsify-cli -Tool nicht installieren möchten und auch Node.js nicht auf Ihrem Computer installiert ist. Aus irgendeinem Grund möchten Sie Dokumente lokal durchsuchen, können Sie den Webdienst im docker -Container ausführen.
Klonen Sie zunächst dieses Projekt in die Region:
git clone https://github.com/ShusenTang/Dive-into-DL-PyTorch.git
cd Dive-into-DL-PyTorch Verwenden Sie dann den folgenden Befehl, um ein docker -Bild mit dem Namen "D2DL" zu erstellen:
docker build -t d2dl .Führen Sie nach dem Erstellen des Bildes den folgenden Befehl aus, um einen neuen Container zu erstellen:
docker run -dp 3000:3000 d2dl Öffnen Sie schließlich diese Adresse http://localhost:3000/#/ Geeignet für diejenigen, die nicht zu viele Tools auf ihren Computern installieren möchten.
Kontinuierlich aktualisiert ...
Chinesische Version: Lernen Sie tiefes Lernen in den Händen | Github -Repository
Englische Version: Tauchen Sie in Deep Learning | Github Repo
Wenn Sie dieses Projekt in Ihrer Forschung verwendet haben, zitieren Sie bitte das Originalbuch:
@book{zhang2019dive,
title={Dive into Deep Learning},
author={Aston Zhang and Zachary C. Lipton and Mu Li and Alexander J. Smola},
note={url{http://www.d2l.ai}},
year={2020}
}
