pytorch handbook

Pytorch Chinese Manual (Handbook Pytorch)

Introduction du livre

Il s'agit d'un livre open source dans le but d'aider ceux qui le souhaitent et utilisent rapidement Pytorch pour le développement et la recherche en profondeur.

En raison de mon niveau limité, j'ai fait référence à certaines informations en ligne lors de la rédaction de ce tutoriel. Je voudrais leur exprimer mon respect ici. Je joindreai l'adresse d'origine à chaque devis pour votre référence.

Deep Learning Technology se développe rapidement et Pytorch est également constamment mis à jour, et j'améliorerai progressivement le contenu pertinent.

Description de la version

En raison du changement de version Pytorch, la version du tutoriel sera cohérente avec la version Pytorch.

Résumé des principaux modifications de la version principale de Pytorch Mise à jour actuelle Version 1.11

Version en ligne et PDF

Les miroirs domestiques sont très rapides et ne seront pas bloqués: https://www.pytorch.wiki/

Il n'y a pas encore de bonne méthode pour générer des fichiers PDF. Les amis qui connaissent cet aspect peuvent me contacter. Je suis reconnaissant.

Groupes QQ 6

Numéro de groupe: 760443051

Cliquez sur le lien pour rejoindre le groupe de groupe [Pytorch Handbook Communication Group 6]: https://jq.qq.com/?_wv=1027&k=x4ro6uwv

Le groupe 1 (985896536) est complet, le groupe 2 (681980831) Le groupe 3 (773681699) est complet 4 (884017356) est complet 5 (894059877) est complet

Ne l'ajoute pas

Nouveaux avantages

Compte public Partage quotidien des articles de produits secs

illustrer

• Veuillez mentionner directement le problème ou les relations publiques lors de la modification de la faute de frappe

• Veuillez faire attention à la version lorsque PR

• Si vous avez des questions, veuillez poser directement le problème

reconnaissant

Table des matières

Chapitre 1: Début avec Pytorch

1. Introduction à Pytorch
2. Construction de l'environnement Pytorch
3. Apprentissage en profondeur Pytorch: démarrage rapide de 60 minutes (officiel)
   • Tenseur
   • Autograd: recherche automatiquement des conseils
   • Réseau neuronal
   • Former un classificateur
   • Lecture sélectionnée: traitement des données parallèles (GPU multiple)
4. Introduction des ressources connexes

Chapitre 2 Bases

SECTION 1 BASES PYTORCH

1. Tenseur
2. Guide automatique
3. Package de réseau neuronal NN et Optimizer OPTM
4. Chargement des données et prétraitement

Section 2 Bases de l'apprentissage en profondeur et des principes mathématiques

Les bases de l'apprentissage en profondeur et des principes mathématiques

Section 3 Introduction aux réseaux de neurones

Introduction au réseau neuronal Remarque: Ce chapitre se bloquera lors de l'ouverture à l'aide de Microsoft's Edge localement. Veuillez permettre à Chrome Firefox de s'ouvrir à la vue.

Section 4 Réseau neuronal convolutionnel

Réseau neuronal convolutionnel

Section 5 Réseau neuronal récurrent

Réseau neuronal récurrent

Chapitre 3 Pratique

Section 1 Classification binaire de régression logistique

Régression logistique Classification binaire

Section 2 CNN: reconnaissance numérique manuscrite de l'ensemble de données MNIST

CNN: Reconnaissance numérique manuscrite de l'ensemble de données MNIST

Section 3 RNN Exemple: prédiction de COS par le péché

Instance RNN: prédiction de COS par le péché

Chapitre 4 Amélioration

SECTION 1 Fineur Fine

Réglage fin

Section 2 Visualisation

visque

Tensorboardx

Comprendre visuellement les réseaux de neurones convolutionnels

Section 3 rapide.ai

Jeûne.ai

Quelques conseils pour la formation dans la section 4

Section 5 Formation parallèle multi-GPU

Informatique parallèle multi-GPU

Article de traduction supplémentaire: Utilisation de DistributedDataparallel à Pytorch pour une formation de modèle distribuée multi-GPU

Utilisez DistributedDataparallel à Pytorch pour une formation de modèle distribué multi-GPU

Chapitre 5 Application

Section 1 Kaggle Introduction

Introduction à Kaggle

Section 2 données structurées

Pytorch gère les données structurées

Section 3 Vision informatique

Classification d'image de mode MNIST

Section 4 Traitement du langage naturel

Section 5 Filtrage collaboratif

Chapitre 6 Ressources

torch audio

Chapitre 7 Annexe

Compilation Raspberry Pi et installation de pytorch 1.4

Résumé des opérations communes des transformations

Résumé de la fonction de perte de Pytorch

Résumé de l'optimiseur Pytorch

Scénario

Le répertoire de script est un script que j'ai écrit pour convertir IPYNB en version en ligne et fichier PDF. Parce qu'il est toujours au stade de test, veuillez demander si vous avez des questions.

Licence

Ce travail est concédé sous licence en vertu de la Creative Commons Attribution-non-Commercial-Share-Share 3.0 Convention de licence de Chine continentale