Deep Learning with PyTorch Chinese

Profundo-learning-with-pytorch-chines

Este proyecto (portal de versión web) traduce el libro oficial de Pytorch "Deep Learning with Pytorch" (versión de extracto básico) al chino y ofrece el código relevante que se puede ejecutar en todo el libro.

Este proyecto traduce el libro oficial de Pytorch "Deep Learning with Pytorch" (versión del extracto esencial) al chino.

1. Introducción al libro

Desde su inicio en 2016, Pytorch se ha convertido en uno de los marcos de aprendizaje profundo más populares de la actualidad. Recientemente, el libro de tutorial de pytorch autorizado oficial "Deep Learning with Pytorch" finalmente se ha lanzado. Tan pronto como salieron las noticias, fue muy recomendable por el gigante Yann Lecun. Es un excelente libro de texto para comenzar con Pytorch y Deep Learning.

Cabe señalar que el PDF proporcionado por el sitio web oficial de Pytorch es un extracto básico (Experntpts), con un total de 141 páginas, y el contenido incluye las siguientes cinco partes:

1. Introducción al aprendizaje profundo y pytorch
2. Empiece con un tensor
3. Use tensores para representar datos reales
4. Mecanismo de aprendizaje
5. Ajuste de datos utilizando red neuronal

Por lo tanto, se puede usar como tutorial para comenzar con Pytorch. La versión completa de este libro también está disponible para una vista previa gratuita, Portal.

2. Introducción del proyecto

Este proyecto traduce el libro original al chino y ofrece códigos relevantes que se pueden ejecutar.

Este repositorio contiene principalmente dos carpetas: código y documentos (más algunos datos se almacenan en los datos). La carpeta de código es el código de cuaderno Jupyter relevante para cada capítulo; La carpeta Docs es la traducción china del contenido relevante en el formato de Markdown "Aprendizaje profundo con Pytorch" (versión de extracto básico), y luego usa DocSify para implementar el documento web en las páginas GitHub. Las contribuciones a este proyecto o problema son bienvenidas.

3. Cómo usar

Este proyecto está dirigido a los zapatos infantiles interesados en Pytorch, especialmente aquellos que desean comenzar rápidamente. Este proyecto no requiere que tenga ningún conocimiento de fondo de aprendizaje profundo o aprendizaje automático. Solo necesita comprender las matemáticas y la programación básicas, como el álgebra lineal básica, la diferencial y la probabilidad, y la programación básica de Python.

La documentación de este repositorio contiene algunas fórmulas de látex, pero el markdown nativo de GitHub no admite la visualización de fórmulas, y la carpeta DOCS se ha implementado en las páginas de GitHub usando Docsify, por lo que puede acceder fácilmente a la versión web de este proyecto. Si desea ejecutar el código relevante, debe clonar el proyecto y luego ejecutar el código relevante en la carpeta de código.

Dado que los extractos básicos se traducen en este proyecto, son solo 141 páginas, es adecuado para un comienzo rápido con Pytorch. Si desea tener un aprendizaje más profundo de Pytorch y el aprendizaje profundo (como la visión por computadora, el procesamiento del lenguaje natural, etc.), es posible que necesite más información. Si está interesado, puede consultar otro proyecto de mi buceo-into-dl-pytorch.

4. Contenido

• Introducción
• 1. Introducción al aprendizaje profundo y pytorch
  • 1.1 ¿Qué es Pytorch?
  • 1.2 ¿Qué cuenta este libro sobre
  • 1.3 ¿Por qué usar Pytorch?
  • 1.4 componentes incluidos en Pytorch
• 2. Comience con un tensor
  • 2.1 Conceptos básicos del tensor
  • 2.2 Tensores y almacenamiento
  • 2.3 Tamaño, desplazamiento de almacenamiento y tamaño de paso
  • 2.4 Tipo de datos
  • 2.5 Tensor índice
  • 2.6 Intercomunicación con Numpy
  • 2.7 Serializar tensores
  • 2.8 Transferencia de tensores a GPU para ejecutar
  • 2.9 API tensor
• 3. Use tensores para representar datos reales
  • 3.1 Datos tabulares
  • 3.2 series de tiempo
  • 3.3 Datos de texto
  • 3.4 Datos de imagen
  • 3.5 datos de volumen
• 4. Mecanismo de aprendizaje
  • 4.1 El aprendizaje es la estimación de parámetros
  • 4.2 Orientación automática de Pytorch
• 5. Use la red neuronal para adaptarse a los datos
  • 5.1 neuronas
  • 5.2 Módulo NN de Pytorch
  • 5.3 NN Subclase

5. Declaración

• El traductor se traduce exclusivamente para fines de aprendizaje e intereses personales, y no persigue ningún beneficio económico;
• Este proyecto se limita solo al uso de fines de aprendizaje e investigación. El traductor se reserva el derecho de nombrar el proyecto. Cualquier reimpresión debe indicar la fuente, pero no se utilizará para ningún propósito comercial;
• El uso de este proyecto infracción del trabajo original o cualquier acto que viole la ley de protección de la propiedad intelectual no tiene nada que ver con el traductor;
• Aquellos que puedan leer libros en inglés deben leer la versión original o comprar la versión completa del libro.

LICENCIA

CC BY-NC (Atribución no comercial) 4.0