Einführung
Die derzeit von Forschern verwendeten Deep -Learning -Frameworks sind unterschiedlich, einschließlich Tensorflow, Pytorch, Keras usw. Diese Deep -Lern -Frameworks werden in Bereichen wie Computer Vision, Spracherkennung, Verarbeitung natürlicher Sprache und Bioinformatik angewendet und hervorragende Ergebnisse erzielt. Unter ihnen ist Pytorch ein seltener einfacher, eleganter, effizienter und schneller Rahmen. Unter den aktuellen Open -Source -Frameworks kann kein Framework in Bezug auf Flexibilität, Benutzerfreundlichkeit und Geschwindigkeit gleichzeitig Pytorch übertreffen.
Dieses Dokument ist als Anfänger -Tutorial für Pytorch positioniert, das hauptsächlich auf Schüler oder Deep -Learning -Enthusiasten abzielt, die Pytorch lernen möchten. Durch das Studium von Tutorials können Sie ein tiefes Lernen mit der Null-Foundation erreichen, die Schwierigkeit der Selbststudie verringern und schnell Pytorch lernen.
Das offizielle Tutorial umfasst die Einführung in Pytorch- und Installations -Tutorials. Ein 60-minütiges Schnellstart-Tutorial, das ein Klassifikatormodell aus der Anfängerstufe schnell abschließen kann. Ein häufig verwendetes Modell für Computer Vision, das für die Anpassung basierend auf Ihren eigenen Daten bequem ist und nicht mehr von Grund auf neu schreiben muss. Verarbeitungsmodelle, Chatbots, Textgenerierung und andere lebendige und interessante Projekte.
insgesamt:
- Wenn Sie mehr über Pytorch erfahren möchten, können Sie den Abschnitt "Einführung" sehen.
- Wenn Sie schnell mit Pytorch beginnen möchten, können Sie 60 Minuten ansehen, um loszulegen.
- Wenn Sie Probleme mit Computer Vision lösen möchten, können Sie sich den Abschnitt Computer Vision ansehen.
- Wenn Sie Probleme mit der Verarbeitung natürlicher Sprache lösen möchten, können Sie den NLP -Abschnitt sehen.
- Es gibt auch einige Inhalte des Verstärkungslernens und generativen kontroversen Netzwerken.
Pytorch Offizielle Dokumentvideoversion ist online auf B Station erhältlich
https://www.bilibili.com/video/bv1gs4y1f71q/
Sammlung https://github.com/fendouai/pytorchvideo
Autor: Pytorchchina Pytorch Übersetzungsteam: News & Panchuang
Originaltext: https://pytorch.org/tutorials/
Inhaltsverzeichnis
Kapitel 1: Einführung und Download von Pytorch
1. Einführung in Pytorch
2. Pytorch -Umgebungskonstruktion
Kapitel 2: Erste Schritte mit Pytorch: 60 Minuten
1. Beginnen Sie mit Pytorch
2. Automatische Differenzierung
3. Pytorch Neural Network
4. Pytorch -Bildklassifizierer
5. Pytorch -Daten parallele Verarbeitung
Kapitel 3: Einführung in Pytorch
1. Laden und Verarbeitung von Daten
2.Pytorch -Test
3.. Transferlernen
4. Bereitstellung des SEQ2SEQ-Modells für hybrides Front-End
5. Speichern und laden Sie das Modell
Kapitel 4: Pytorchs Bilder
1. FEINEN SIE DAS EINZELTEKELTUNGSMODEL BUTEN BASISSE AUF TORCHVISION 0.3
2. FEINEN TUNDE DAS TORCHVISION MODELL
3. Space Converter -Netzwerk
4. Verwenden Sie Pytorch für Neural-Transfer
5. Erzeugen Sie Konfrontationsbeispiele
6. Verwenden Sie ONNX, um das Modell auf Caffe2 und Mobile zu übertragen
Kapitel 5: Pytorchs Text
1. Chatbot -Tutorial
2. Verwenden Sie RNN auf Zeichenebene, um Namen zu generieren
3. Verwenden Sie RNN auf Zeichenebene für die Namensklassifizierung
4. Verwenden Sie Pytorch in Deep Learning und NLP
5. Verwenden Sie Sequence2Sequence -Netzwerk und Aufmerksamkeit für die Übersetzung
Kapitel 6: Pytorch -Generation und kontroverses Netzwerk
1. Generative kontroverse Netzwerke
Kapitel 7: Pytorchs Verstärkungslernen
1. Verstärkungslernen (DQN)
Tutorialempfehlungen
- Pytorch Einführung Tutorial
http://pytorchchina.com
- Panchuang AI Chatbot, intelligenter Kundenservice:
http://www.panchangai.com/
- Panchuang -Tutorial -Website, Tensorflow, Pytorch, Keras:
http://panchang.net/
- Magic Picture Internet Knowledge Graphempfehlung System:
http://motuhulian.com
Aufgrund des begrenzten Übersetzungsniveaus, bei Auslassungen, senden Sie bitte eine PR ein.
