Introducción
Los marcos de aprendizaje profundo que actualmente utilizan los investigadores son diferentes, incluidos TensorFlow, Pytorch, Keras, etc. Estos marcos de aprendizaje profundo se aplican en campos como la visión por computadora, el reconocimiento de voz, el procesamiento del lenguaje natural y la bioinformática, y han logrado excelentes resultados. Entre ellos, Pytorch es un marco raro simple, elegante, eficiente y rápido. Entre los marcos de código abierto actuales, ningún marco puede superar a Pytorch al mismo tiempo en términos de flexibilidad, facilidad de uso y velocidad.
Este documento está posicionado como un tutorial para principiantes para Pytorch, principalmente dirigido a estudiantes o entusiastas del aprendizaje profundo que desean aprender Pytorch. A través del estudio de tutoriales, puede lograr un aprendizaje profundo con cero base, reducir la dificultad del autoaprendizaje y aprender rápidamente Pytorch.
El tutorial oficial incluye introducción a los tutoriales de Pytorch y de instalación; un tutorial de inicio rápido de 60 minutos, que puede completar rápidamente un modelo de clasificador desde la etapa de novatos; Un modelo de uso común para la visión por computadora, que es conveniente para el ajuste basado en sus propios datos, y ya no requiere escribir desde cero; Modelos de procesamiento de lenguaje natural, chatbots, generación de texto y otros proyectos vívidos e interesantes.
considerándolo todo:
- Si desea obtener más información sobre Pytorch, puede ver la sección de introducción.
- Si desea comenzar rápidamente con Pytorch, puede ver 60 minutos para comenzar.
- Si desea resolver problemas de visión por computadora, puede mirar la sección de visión por computadora.
- Si desea resolver problemas de procesamiento del lenguaje natural, puede ver la sección NLP.
- También hay algunos contenidos de aprendizaje de refuerzo y redes adversas generativas.
La versión de video de documento oficial de Pytorch está disponible en línea en la estación B
https://www.bilibili.com/video/bv1gs4y1f71q/
Colección https://github.com/fendouai/pytorchvideo
Autor: Pytorchchina Pytorch Translation Team: News & Panchuang
Texto original: https://pytorch.org/tutorials/
Tabla de contenido
Capítulo 1: Introducción y descarga de Pytorch
1. Introducción a Pytorch
2. Construcción del medio ambiente de Pytorch
Capítulo 2: Comenzando con Pytorch: 60 minutos
1. Comenzando con Pytorch
2.Pytorch Diferenciación automática
3.Pytorch Network Neural
4. Clasificador de imágenes de Pytorch
5. Procesamiento paralelo de datos de pytorch
Capítulo 3: Introducción a Pytorch
1. Carga y procesamiento de datos
2. Prueba de Pytorch
3. Transferencia de aprendizaje
4. Implementación del modelo SEQ2SEQ para front-end híbrido
5. Guarde y cargue el modelo
Capítulo 4: Imágenes de Pytorch
1. Ajuste el modelo de detección de objetos basado en la visión antorchas 0.3
2. Ajunte al modelo de visión de antorchas
3. Red de convertidor espacial
4. Use Pytorch para transferencia neural
5. Generar ejemplos de confrontación
6. Use ONNX para transferir el modelo a Caffe2 y Mobile
Capítulo 5: texto de Pytorch
1. Tutorial de chatbot
2. Use RNN a nivel de personaje para generar nombres
3. Use RNN a nivel de personaje para la clasificación de nombres
4. Use Pytorch en el aprendizaje profundo y la PNL
5. Use la red de secuencia2Sequence y la atención para la traducción
Capítulo 6: Red de generación y adversaria de Pytorch
1. Redes adversas generativas
Capítulo 7: Aprendizaje de refuerzo de Pytorch
1. Aprendizaje de refuerzo (DQN)
Recomendaciones tutoriales
- Tutorial de introducción de Pytorch
http://pytorchchina.com
- Panchuang Ai Chatbot, servicio al cliente inteligente:
http://www.panchangai.com/
- Sitio web del tutorial Panchuang, TensorFlow, Pytorch, Keras:
http://panchang.net/
- Magic Picture Internet Conocimiento de conocimiento Sistema de recomendación:
http://motuhulian.com
Debido al nivel limitado de traductor, si hay alguna omisión, envíe un PR.
