practical pytorch

이 튜토리얼은 공식 Pytorch 튜토리얼로 병합되었습니다. 최신 버전의 Pytorch와 호환되는이 튜토리얼의 더 나은 유지 보수 버전을 보려면 거기에 가십시오.

---

프로젝트 기반 자습서로 Pytorch를 배우십시오. 이 튜토리얼은 읽을 수있는 코드가있는 최신 기술을 보여주고 인터넷의 일반 데이터를 사용합니다.

튜토리얼

시리즈 1 : NLP 용 RNNS

분류에서 세대에 이르기까지 재발 신경 네트워크를 자연 언어 작업에 적용합니다.

• 문자 수준 RNN으로 이름을 분류합니다
• 캐릭터 수준 RNN으로 셰익스피어 생성
• 조건부 문자 수준 RNN으로 이름을 생성합니다
• 시퀀스 네트워크 및주의에 시퀀스로 변환
• 장갑으로 단어 벡터 탐색
• 단어 수준 RNN 및 장갑 임베딩을 사용한 WIP 감정 분석

시리즈 2 : 타임 서리 데이터 용 RNN

• WIP RNN으로 개별 이벤트를 예측합니다

시작하세요

신선한 Linux 또는 Mac 기계에서이를 실행하는 가장 빠른 방법은 Anaconda를 설치하는 것입니다.

 curl -LO https://repo.continuum.io/archive/Anaconda3-4.3.0-Linux-x86_64.sh
bash Anaconda3-4.3.0-Linux-x86_64.sh

그런 다음 Pytorch를 설치하십시오.

 conda install pytorch -c soumith

그런 다음이 저장소를 복제하고 Jupyter Notebook을 시작하십시오.

 git clone http://github.com/spro/practical-pytorch
cd practical-pytorch
jupyter notebook

권장 독서

Pytorch 기본 사항

• 설치 지침은 http://pytorch.org/
• 더 많은 튜토리얼을위한 오프파 튜토리얼 (이 튜토리얼 중 일부가 포함되어 있음)
• Pytorch와의 딥 러닝 : Pytorch를 시작하기 위해 60 분 동안 Blitz
• 이전 Torchies에 대한 Pytorch 소개 전 Lua Torch 사용자라면
• 보다 깊이있는 개요를위한 JCJohnson의 Pytorch 예제 (사용자 정의 모듈 및 오토 그라드 기능 포함)

재발 성 신경망

• 재발 신경 네트워크의 불합리한 효과는 많은 실제 사례를 보여줍니다.
• 딥 러닝, NLP 및 NLP의 단어 임베딩 및 RNN에 대한 개요를위한 표현
• LSTM 네트워크를 이해하는 것은 LSTMS에 관한 것이지만 일반적으로 RNN에 대한 정보도 있습니다.

기계 번역

• 통계 기계 번역을위한 RNN 인코더 디코더를 사용한 학습 문구 표현
• 신경 네트워크를 사용한 서열 학습에 대한 서열

주의 모델

• 공동으로 조정하고 번역하는 법을 배우는 신경 기계 번역
• 주의 기반 신경 기계 번역에 대한 효과적인 접근법

다른 RNN 사용

• 신경 대화 모델

다른 Pytorch 튜토리얼

• Pytorch의 NLP 딥 러닝

피드백

아이디어가 있거나 실수를 찾으면 메모를 남겨주세요.