eat_pytorch_in_20_daysダウンロードeat_pytorch_in_20_daysソースコードダウンロード

eat_pytorch_in_20_days

パイソン

1.0.0

ダウンロード

20日でPytorchを食べる方法は？

1。この本は読者のためですか？

この本は、読者が機械学習と深い学習に特定の基盤を持っていることを前提としており、KerasまたはTensorflowまたはPytorchを使用して訓練された簡単なモデルを構築しています。

ニックネームは、「Eat That Pytorch in 20 Days」のビデオバージョンです。食通は、最も純粋な地元の風味のために、心に満ちています。新人や古い友達が来て味わって大歓迎ですか？！

https://www.bilibili.com/video/bv1ua411p7oe

2。この本の執筆スタイルは何ですか？

この本は、人間のユーザーに非常に友好的なPytorch紹介参照帳です。この本の最高の追求だとは思わないでください。

この本は、主に公式のPytorchドキュメントとFunction Docドキュメントへの参照に基づいて編集および書かれています。

公式のPytorchのドキュメントは非常に簡潔で明確ですが、この本は、章の構造と例の選択に多くの最適化を行いました。

この本は、コンテンツの難しさ、読者の検索習慣、Pytorch独自の階層構造、段階的および明確なレベルに応じてコンテンツを設計し、関数に応じて対応する例を見つけるのが便利です。

この本は、例のデザインで可能な限りシンプルで構造化されており、例の読みやすさと汎用性を高めています。ほとんどのコードスニペットは、実際には箱から出して使用できます。

Pytorchの公式文書を学習してPytorchを習得するのが約5である場合、この本を通してPytorchをマスターすることの難しさは約2でなければなりません。

次の図のみが、公式のPytorchドキュメントと「Eat That Pytorch」という本の違いを比較しています。

3。この本の研究計画

1。研究計画

この本は著者によって彼の暇な時間の約3か月を使用して書かれ、ほとんどの読者は20日以内にそれを完全に学ぶことができるはずです。

毎日過ごす勉強時間は30分から2時間です。

もちろん、この本は、例のライブラリとして実装されている場合、Pytorchツールマニュアルのリファレンスとしても非常に適しています。

学習コンテンツの青いタイトルをクリックして、この章を入力します。

日付	学習コンテンツ	コンテンツの難易度	推定研究時間	ステータスを更新します
	1。Pytorchモデリングプロセス	ショ和	0 hour	✅
1日	1-1、構造化されたデータモデリングプロセスの例	ピオンデ	1時間	✅
2日目	1-2、画像データモデリングプロセスの例	ピオンデ	2時間	✅
3日目	1-3、テキストデータモデリングプロセスの例	ピオンピア	2時間	✅
4日目	1-4、時系列データモデリングプロセスの例	ピオンピア	2時間	✅
	2。Pytorchのコア概念	ショ和	0 hour	✅
5日目	2-1、テンソルデータ構造	ピオンデ	1時間	✅
6日目	2-2、自動微分メカニズム	ピオンデ	1時間	✅
7日目	2-3、動的計算図	ピオンピア	2時間	✅
	3。Pytorch階層	ショ和	0 hour	✅
8日目	3-1、低次APIデモンストレーション	ピオンデ	1時間	✅
9日目	3-2、中間APIデモンストレーション	ピオンデ	1時間	✅
10日	3-3、高度なAPIデモンストレーション	ピオンデ	1時間	✅
	4。Pytorchの低次API	ショ和	0 hour	✅
Day11	4-1、テンソルの構造動作	ピオンピア	2時間	✅
Day12	4-2、テンソルの数学的操作	ピオンデ	1時間	✅
13日目	4-3、nn.functionalおよびnn.module	ピオンデ	1時間	✅
	5。Pytorchの中間API	ショ和	0 hour	✅
14日目	5-1、データセットとデータローダー	ピオンデ	1時間	✅
15日目	5-2、モデル層	ピオンピア	2時間	✅
16日目	5-3、損失関数	ピオンデ	1時間	✅
17日目	5-4、テンソルボードの視覚化	ピオンデ	1時間	✅
	6。Pytorchの高度なAPI	ショ和	0 hour	✅
18日目	6-1、3つのモデルを構築する方法	ピオンデ	0.5時間	✅
19日目	6-2、3つのモデルをトレーニングする方法	ピオンデ	1時間	✅
Day20	6-3、GPUを使用してモデルをトレーニングします	ピオンデ	1時間	✅
*	PostScript：私の製品ビュー	ショ和	0 hour	✅

2。学習環境

この本のソースコードはすべてJupyterで書かれており、テストに合格しました。 gitを介してローカルにクローンし、Jupyterで学習をインタラクティブに実行することをお勧めします。

ステップ1：この本のソースコードをローカルエリアにクローンするには、コードクラウドミラーウェアハウスを使用して中国でより速くダウンロードします

 git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days

ステップ2：公式アカウントアルゴリズムフードハウス返信キーワード： Pytorch 、このプロジェクトで使用されているデータセットの概要パッケージを取得しますeat_pytorch_datasets.zip baiduクラウドディスクダウンロードリンクをダウンロードして、eat_pytorch_in_20_daysパス、約160mに移動します。

 import torch 
from torch import nn

print ( "torch version:" , torch . __version__ )

a = torch . tensor ([[ 2 , 1 ]])
b = torch . tensor ([[ - 1 , 2 ]])
c = a @ b . t ()
print ( "[[2,1]]@[[-1],[2]] =" , c . item ())

 torch version: 2.0.1
[[2,1]]@[[-1],[2]] = 0

4.プロジェクト更新レコード

1、2022-08 ?? Pytorchと広告の推奨章を更新します

広告の推奨分野に興味があり、高度な必要がある学生に適していますか？

日付	学習コンテンツ	コンテンツの難易度	推定研究時間	ステータスを更新します
	7。Pytorchおよび広告の推奨事項	ショ和	0 hour	✅
1日	7-1、推奨されるアルゴリズム事業	ピオンデ	0.5時間	✅
2日目	7-2、広告アルゴリズムビジネス	ピオンデ	0.5時間	✅
3日目	7-3、FMモデル	ピオンデ	1時間	✅
4日目	7-4、DEEPFMモデル	ピオンデ	1時間	✅
5日目	7-5、Fibinetモデル	ピオンデ	2時間	✅
6日目	7-6、ディープクロスモデル	ピオンピア	2時間	✅
7日目	7-7、DINネットワーク	ピオンピア	2時間	✅
8日目	7-8、Dienネットワーク	ピオンピア	2時間	✅

2、2023-03 ??イースターエッグの章を更新します

Pytorchに関連するいくつかの周辺ツールの紹介

日付	学習コンテンツ	コンテンツの難易度	推定研究時間	ステータスを更新します
	イースターエッグ：Pytorch周辺ツール	ショ和	0 hour	✅
1日	A-1、Kaggle無料GPU使用ガイド	ピオンデ	1時間	✅
2日目	A-2、Riremlitは機械学習アプリケーションを構築します	ピオンデ	1時間	✅
3日目	A-3、Mac M1チップを使用してPytorchを加速します	ピオンデ	1時間	✅
4日目	A-4、Optuna Visual Parameter調整マジックガイド	ピオンデ	1時間	✅
5日目	A-5、Gradioはあなたの機械学習モデルをセクシーにします	ピオンデ	1時間	✅
6日目	A-6、WANDBモデル視覚分析	ピオンデ	0.5時間	✅
7日目	A-7、WANDBモデルの視覚化と自動パラメーター調整	ピオンデ	1時間	✅

3。2023-07?? PytorchモデルトレーニングツールライブラリTorchkerasを更新します

関連するチャプターコードが最適化され、それに応じて調整されています。

関数	開始バージョンの安定したサポート	ライブラリに依存または借ります
trainingトレーニング進捗バー	3.0.0	TQDMに頼って、Kerasから学びます
trainingトレーニング評価指標	3.0.0	pytorch_lightningを描きます
✅ノートブックでのトレーニングには視覚化が付属しています	3.8.0	Fastaiから描きます
✅早期停止	3.0.0	ケラスを描きます
✅GPUトレーニング	3.0.0	加速器に依存します
✅マルチGPUSトレーニング（DDP）	3.6.0	加速器に依存します
fp16/bf16トレーニング	3.6.0	加速器に依存します
tensorboardコールバック	3.7.0	テンソルボードに依存します
wandbコールバック	3.7.0	wandbに依存します