Deep Learning with PyTorch Chinese

Deep-learning-with-pytorch-Chinese

Proyek ini (Portal Versi Web) menerjemahkan buku Pytorch resmi "Deep Learning with Pytorch" (Versi Kutipan Dasar) ke dalam bahasa Mandarin dan memberikan kode yang relevan yang dapat dijalankan di seluruh buku.

Proyek ini menerjemahkan buku resmi Pytorch "Deep Learning with Pytorch" (Essential Escerpt Version) menjadi Cina.

1. PENDAHULUAN BUKU

Sejak awal pada tahun 2016, Pytorch telah menjadi salah satu kerangka kerja pembelajaran mendalam terpanas saat ini. Baru -baru ini, buku tutorial Pytorch resmi "Deep Learning with Pytorch" akhirnya dirilis. Segera setelah berita itu keluar, itu sangat direkomendasikan oleh raksasa Yann Lecun. Ini adalah buku teks yang sangat baik untuk memulai dengan Pytorch dan Deep Learning.

Perlu dicatat bahwa PDF yang disediakan oleh situs web resmi Pytorch adalah kutipan dasar (kutipan penting), dengan total 141 halaman, dan konten mencakup lima bagian berikut:

1. Pengantar pembelajaran mendalam dan pytorch
2. Mulailah dengan tensor
3. Gunakan tensor untuk mewakili data nyata
4. Mekanisme belajar
5. Memasang Data Menggunakan Jaringan Saraf

Oleh karena itu, ini dapat digunakan sebagai tutorial untuk memulai dengan Pytorch. Versi lengkap dari buku ini juga tersedia untuk pratinjau gratis, portal.

2. PENDAHULUAN PROYEK

Proyek ini menerjemahkan buku asli ke dalam bahasa Cina dan memberikan kode yang relevan yang dapat dijalankan.

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; Folder Docs adalah terjemahan bahasa Mandarin dari konten yang relevan dalam format markdown "pembelajaran mendalam dengan pytorch" (versi kutipan dasar), dan kemudian menggunakan DocSify untuk menggunakan dokumen web ke halaman github. Kontribusi untuk proyek atau masalah ini dipersilakan.

3. Cara menggunakan

Proyek ini ditujukan untuk sepatu anak -anak yang tertarik pada Pytorch, terutama mereka yang ingin memulai dengan cepat. 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.

Dokumentasi repositori ini berisi beberapa rumus lateks, tetapi penurunan harga asli GitHub tidak mendukung tampilan formula, dan folder Docs telah digunakan pada halaman GitHub menggunakan DocSify, sehingga Anda dapat dengan mudah mengakses versi web proyek ini. Jika Anda ingin menjalankan kode yang relevan, Anda perlu mengkloning proyek dan kemudian menjalankan kode yang relevan di folder kode.

Karena kutipan dasar yang diterjemahkan dalam proyek ini, hanya 141 halaman, ini cocok untuk awal yang cepat dengan Pytorch. Jika Anda ingin memiliki pembelajaran pytorch yang lebih mendalam dan pembelajaran mendalam (seperti visi komputer, pemrosesan bahasa alami, dll.), Anda mungkin memerlukan lebih banyak informasi. Jika Anda tertarik, Anda dapat merujuk pada proyek lain dari penyelaman saya-into-DL-Pytorch.

4. Isi

• Perkenalan
• 1. Pengantar Pembelajaran Deep dan Pytorch
  • 1.1 Apa itu Pytorch
  • 1.2 Apa yang diceritakan buku ini
  • 1.3 Mengapa menggunakan pytorch
  • 1.4 Komponen Termasuk dalam Pytorch
• 2. Mulailah dengan tensor
  • 2.1 Dasar -dasar Tensor
  • 2.2 Tensor dan Penyimpanan
  • 2.3 Ukuran, Offset Penyimpanan dan Ukuran Langkah
  • 2.4 Tipe Data
  • 2.5 indeks tensor
  • 2.6 Interkomunikasi dengan Numpy
  • 2.7 Serialize Tensor
  • 2.8 Transfer tensor ke GPU untuk dijalankan
  • 2.9 Tensor API
• 3. Gunakan tensor untuk mewakili data nyata
  • 3.1 Data Tabel
  • 3.2 deret waktu
  • 3.3 Data Teks
  • 3.4 Data Gambar
  • 3.5 Data Volume
• 4. Mekanisme Pembelajaran
  • 4.1 Pembelajaran adalah estimasi parameter
  • 4.2 Panduan Otomatis Pytorch
• 5. Gunakan jaringan saraf agar sesuai dengan data
  • 5.1 Neuron
  • 5.2 Modul NN Pytorch
  • 5.3 NN Subclass

5. Pernyataan

• Penerjemah diterjemahkan murni untuk tujuan pembelajaran dan kepentingan pribadi, dan tidak mengejar manfaat ekonomi apa pun;
• Proyek ini terbatas pada penggunaan tujuan pembelajaran dan penelitian saja. Penerjemah berhak untuk memberi nama proyek. Reprint apa pun harus menunjukkan sumbernya, tetapi tidak boleh digunakan untuk tujuan komersial apa pun;
• Penggunaan pelanggaran proyek ini atas karya asli atau tindakan apa pun yang melanggar undang -undang perlindungan kekayaan intelektual tidak ada hubungannya dengan penerjemah;
• Mereka yang dapat membaca buku bahasa Inggris harus membaca versi asli atau membeli versi lengkap buku ini.

LISENSI

CC BY-NC (Atribution-Non-Commercial Use) 4.0