Tutorial ini telah digabungkan ke dalam tutorial Pytorch resmi. Silakan pergi ke sana untuk versi yang lebih baik dari tutorial ini yang kompatibel dengan versi Pytorch yang lebih baru.
Pelajari Pytorch dengan tutorial berbasis proyek. Tutorial ini menunjukkan teknik modern dengan kode yang dapat dibaca dan menggunakan data reguler dari Internet.
Tutorial
Seri 1: RNN untuk NLP
Menerapkan jaringan saraf berulang untuk tugas bahasa alami, dari klasifikasi hingga generasi.
- Mengklasifikasikan nama dengan rnn tingkat karakter
- Menghasilkan Shakespeare dengan RNN tingkat karakter
- Menghasilkan nama dengan RNN tingkat karakter bersyarat
- Terjemahan dengan urutan jaringan dan perhatian urutan
- Menjelajahi kata -kata dengan sarung tangan
- Analisis sentimen WIP dengan rnn tingkat kata dan embeddings sarung tangan
Seri 2: Data RNN untuk Timeseries
- WIP memprediksi peristiwa diskrit dengan RNN
Mulai
Cara tercepat untuk menjalankan ini pada mesin Linux atau Mac baru adalah dengan menginstal Anaconda:
curl -LO https://repo.continuum.io/archive/Anaconda3-4.3.0-Linux-x86_64.sh
bash Anaconda3-4.3.0-Linux-x86_64.sh
Kemudian instal Pytorch:
conda install pytorch -c soumith
Kemudian klon repo ini dan mulai Jupyter Notebook:
git clone http://github.com/spro/practical-pytorch
cd practical-pytorch
jupyter notebook
Bacaan yang disarankan
Dasar -dasar Pytorch
- http://pytorch.org/ untuk instruksi instalasi
- Tutorial Pytorch resmi untuk tutorial lainnya (beberapa tutorial ini disertakan di sana)
- Pembelajaran mendalam dengan Pytorch: Blitz 60 menit untuk memulai dengan Pytorch secara umum
- Pengantar Pytorch untuk mantan Torchies Jika Anda adalah mantan pengguna Lua Torch
- Contoh Pytorch Jcjohnson untuk ikhtisar yang lebih mendalam (termasuk modul khusus dan fungsi autograd)
Jaringan saraf berulang
- Efektivitas yang tidak masuk akal dari jaringan saraf berulang menunjukkan banyak contoh kehidupan nyata
- Pembelajaran mendalam, NLP, dan representasi untuk tinjauan umum tentang embeddings kata dan rnns untuk NLP
- Memahami jaringan LSTM adalah tentang pekerjaan LSTM secara khusus, tetapi juga informatif tentang RNN secara umum
Terjemahan mesin
- Representasi frasa pembelajaran menggunakan rnn encoder-decoder untuk terjemahan mesin statistik
- Urutan untuk mengurutkan pembelajaran dengan jaringan saraf
Model perhatian
- Terjemahan mesin saraf dengan belajar bersama untuk menyelaraskan dan menerjemahkan
- Pendekatan yang efektif untuk terjemahan mesin saraf berbasis perhatian
Penggunaan RNN lainnya
Tutorial Pytorch lainnya
- Pembelajaran mendalam untuk NLP di Pytorch
Masukan
Jika Anda memiliki ide atau menemukan kesalahan, silakan tinggalkan catatan.
