Dive into DL PyTorch
1.0.0
Proyek ini mengubah implementasi kode MXNET dalam buku asli "Pembelajaran Hand-On Leading" menjadi implementasi PyTorch. Penulis buku asli: Aston Zhang, Li Mu, Zachary C. Lipton, Alexander J. Smora dan kontributor komunitas lainnya, Alamat GitHub: https://github.com/d2l-ai/d2l-zh
Ada beberapa perbedaan dalam versi Cina dan Inggris dari buku ini. Untuk Pytorch refactoring dari versi bahasa Inggris dari buku ini, silakan merujuk ke proyek ini. Ada beberapa perbedaan antara versi Cina dan Inggris dari buku ini. Untuk Pytorch yang memodifikasi versi bahasa Inggris, Anda dapat merujuk ke repo ini.
Repositori ini terutama berisi dua folder: kode dan dokumen (ditambah beberapa data disimpan dalam data). Folder kode adalah kode notebook Jupyter yang relevan untuk setiap bab (berdasarkan Pytorch); Folder Docs adalah konten yang relevan dalam buku "Hand-On Deep Learning" dalam format Markdown, dan kemudian menggunakan DocSify untuk menggunakan dokumen web ke halaman GitHub. Karena buku asli menggunakan kerangka kerja MXNET, konten dokumen mungkin sedikit berbeda dari buku asli, tetapi konten keseluruhannya sama. Kontribusi untuk proyek atau masalah ini dipersilakan.
Proyek ini ditujukan untuk sepatu anak -anak yang tertarik pada pembelajaran mendalam, terutama mereka yang ingin menggunakan Pytorch untuk pembelajaran yang mendalam. Proyek ini tidak mengharuskan Anda memiliki pengetahuan latar belakang tentang pembelajaran mendalam atau pembelajaran mesin. Anda hanya perlu memahami matematika dan pemrograman dasar, seperti aljabar linier dasar, diferensial dan probabilitas, dan pemrograman python dasar.
Repositori ini berisi beberapa rumus lateks, tetapi asli GitHub Markdown tidak mendukung tampilan formula, dan folder Docs telah digunakan pada halaman GitHub menggunakan DocSify, sehingga cara termudah untuk melihat dokumen adalah dengan langsung mengakses versi web proyek ini. Tentu saja, jika Anda masih ingin menjalankan kode yang relevan, Anda masih harus mengkloning proyek dan kemudian menjalankan kode yang relevan di folder kode.
Anda juga dapat mengakses dokumentasi secara lokal dan menginstal alat docsify-cli terlebih dahulu:
npm i docsify-cli -gKemudian klon proyek secara lokal:
git clone https://github.com/ShusenTang/Dive-into-DL-PyTorch.git
cd Dive-into-DL-PyTorch Kemudian jalankan server lokal, sehingga Anda dapat dengan mudah mengakses efek rendering web dokumen secara real time di http://localhost:3000 .
docsify serve docs Jika Anda tidak ingin menginstal alat docsify-cli , dan bahkan Node.js tidak diinstal di komputer Anda, dan untuk beberapa alasan Anda ingin menelusuri dokumen secara lokal, Anda dapat menjalankan layanan web di wadah docker .
Pertama, klon proyek ini ke area setempat:
git clone https://github.com/ShusenTang/Dive-into-DL-PyTorch.git
cd Dive-into-DL-PyTorch Kemudian gunakan perintah berikut untuk membuat gambar docker bernama "D2DL":
docker build -t d2dl .Setelah gambar dibuat, jalankan perintah berikut untuk membuat wadah baru:
docker run -dp 3000:3000 d2dl Akhirnya, buka alamat ini http://localhost:3000/#/ Di browser Anda untuk menikmati mengakses dokumen. Cocok untuk mereka yang tidak ingin menginstal terlalu banyak alat di komputer mereka.
Terus diperbarui ...
Versi Cina: Belajar Pembelajaran Deep Di Tangan | Repositori GitHub
Versi Bahasa Inggris: Selami pembelajaran mendalam | Repo github
Jika Anda menggunakan proyek ini dalam penelitian Anda, silakan kutip buku aslinya:
@book{zhang2019dive,
title={Dive into Deep Learning},
author={Aston Zhang and Zachary C. Lipton and Mu Li and Alexander J. Smola},
note={url{http://www.d2l.ai}},
year={2020}
}
