pytorch handbook

Manual chino de Pytorch (manual de Pytorch)

Introducción al libro

Este es un libro de código abierto con el objetivo de ayudar a aquellos que desean y usan Pytorch para el desarrollo y la investigación del aprendizaje profundo rápidamente.

Debido a mi nivel limitado, me he referido a información en línea al escribir este tutorial. Me gustaría expresar mi respeto a ellos aquí. Adjuntaré la dirección original a cada cotización para su referencia.

La tecnología de aprendizaje profundo se está desarrollando rápidamente, y Pytorch también se actualiza constantemente, y mejoraré gradualmente el contenido relevante.

Descripción de la versión

Debido al cambio de la versión de Pytorch, la versión del tutorial será consistente con la versión de Pytorch.

Resumen de los principales cambios en la versión principal de Pytorch Actualización actual Versión 1.11

Versión en línea y pdf

Los espejos domésticos son muy rápidos y no se bloquearán: https://www.pytorch.wiki/

Todavía no hay un buen método para generar archivos PDF. Los amigos que están familiarizados con este aspecto pueden contactarme. Estoy agradecido.

QQ 6 grupos

Número de grupo: 760443051

Haga clic en el enlace para unirse al chat grupal [Pytorch Handbook Communication Group 6]: https://jq.qq.com/?_wv=1027&k=x4ro6uwv

El grupo 1 (985896536) está lleno, el grupo 2 (681980831) Grupo 3 (773681699) está lleno 4 (884017356) está completo 5 (894059877) está lleno

No lo agregues

Nuevos beneficios

Cuenta pública Compartir diario de artículos de productos secos

ilustrar

• Mencione directamente el problema o el PR al modificar el error tipográfico

• Preste atención a la versión cuando PR

• Si tiene alguna pregunta, haga directamente el problema

agradecido

Tabla de contenido

Capítulo 1: Comenzando con Pytorch

1. Introducción a Pytorch
2. Construcción del medio ambiente de Pytorch
3. PYTORCH APRENDIZAJE DEPARTO: Inicio rápido de 60 minutos (oficial)
   • Tensor
   • Autograd: busque automáticamente orientación
   • Red neuronal
   • Entrenar a un clasificador
   • Lectura seleccionada: Procesamiento de datos paralelos (GPU múltiple)
4. Introducción de recursos relacionados

Capítulo 2 Conceptos básicos

Sección 1 Pytorch Conceptos básicos

1. Tensor
2. Guía automática
3. Paquete de red neuronal NN y Optimizer Optm
4. Carga de datos y preprocesamiento

Sección 2 Conceptos básicos de aprendizaje profundo y principios matemáticos

Los conceptos básicos del aprendizaje profundo y los principios matemáticos

Sección 3 Introducción a las redes neuronales

Introducción a la red neuronal Nota: Este capítulo se bloqueará al abrir usando Microsoft's Edge localmente. Habilite Chrome Firefox para abrir para ver.

Sección 4 Red neuronal convolucional

Red neuronal convolucional

Sección 5 Red neuronal recurrente

Red neuronal recurrente

Capítulo 3 Práctica

Sección 1 Clasificación binaria de regresión logística

Clasificación binaria de regresión logística

Sección 2 CNN: reconocimiento numérico escrito a mano del conjunto de datos MNIST

CNN: reconocimiento numérico escrito a mano del conjunto de datos MNIST

Sección 3 Ejemplo de RNN: Predicción de cos por pecado

Instancia de RNN: Predicción de cos por pecado

Capítulo 4 Mejora

Sección 1 ajustado

Sintonia FINA

Visualización de la Sección 2

visión

tensorboardx

Comprender visualmente las redes neuronales convolucionales

Sección 3 ayunas.ai

Ayunar.ai

Algunos consejos para el entrenamiento en la Sección 4

Sección 5 Entrenamiento paralelo multi-GPU

Computación paralela multi-GPU

Artículo de traducción complementaria: Uso de DistributedDataparallel en Pytorch para capacitación de modelos distribuidos multi-GPU

Use DistributedDataparallel en Pytorch para capacitación de modelos Multi-GPU

Aplicación del Capítulo 5

Sección 1 Introducción de Kaggle

Introducción a Kaggle

Datos estructurados de la Sección 2

Pytorch maneja datos estructurados

Sección 3 Visión de la computadora

Clasificación de imágenes de moda

Sección 4 Procesamiento del lenguaje natural

Sección 5 Filtrado colaborativo

Capítulo 6 Recursos

torchaudio

Capítulo 7 Apéndice

Compilación e instalación de Raspberry Pi de Pytorch 1.4

Resumen de operaciones comunes de transformaciones

Resumen de la función de pérdida de Pytorch

Resumen de optimizador de Pytorch

Guion

El directorio de script es un script que escribí para convertir IPYNB en la versión en línea y el archivo PDF. Debido a que todavía está en la etapa de prueba, pregunte si tiene alguna pregunta.

Licencia

Este trabajo tiene licencia bajo la atribución de Creative Commons, no el Acuerdo de licencia de China de China continental.