PyTorch Tutorial 2nd
v1.0.0-PD
5 년, 4 년 2 년 후에 "Pytorch Practical Tutorial"(두 번째 판)이 완료되었습니다. 첫 번째 판의 본질보다 풍부하고 상세한 딥 러닝 신청 사례 및 추론 배치 프레임 워크가 추가 되어이 책이 딥 러닝 엔지니어와 관련된 지식을보다 체계적으로 다루었습니다. 예를 들어, 인공 지능 기술의 개발은 "Pytorch Practical Tutorial"(제 2 판)은 끝나지 않았지만 새로운 기술, 새로운 분야 및 새로운 챕터를 열어 다시 항해를 시작했습니다. 나는 앞으로 인공 지능 기술 분야의 모든 사람들을 계속 배우고 발전시키기를 희망합니다.
온라인 읽기 ( 무료로 오픈 소스 ) : "Pytorch Explication Tutorial"(Second Edition)
지원 코드 ( 오픈 소스 무료 ) : "Pytorch Explication Tutorial"(Second Edition)
??? : 스타를 클릭하여 격려하십시오!
이 프로젝트는 HelloGithub 커뮤니티에 포함되어 있으며 HelloGithub 배지 프로그램에 추가되었습니다.
이 책은 기본 개념을 초석, 컴퓨터 비전, 자연 언어 처리 및 대형 언어 모델로서 핵심으로, 브리지로서의 추론 배치 프레임 워크를 취하며 독자에게 코드 엔지니어링 및 프로젝트 구현에 대한 이론적 설명을 제공합니다. 이 책은 첫 번째 부분 인 첫 번째 부분 : 소개, 두 번째 부분 : 응용 프로그램, 다음 부분 : 구현.
Pytorch 기본 사항. 초보자, 비전문가 및 학부생들에게는 Pytorch에 대한 소개를 제공하고 개발 환경의 구성을 설명하며 데이터, 모델, 최적화 및 시각화와 같은 Pytorch의 핵심 모듈을 소개합니다. 마지막으로, 설명 된 Pytorch Knowledge Points를 사용하여 후속 응용 프로그램의 기초를 마련하기 위해 자체 코드 구조 세트를 구축합니다.
산업 응용. 이전 기사 후, 나는 좋은 칼을 날카롭게 한 다음 다양한 분야에서 내 기술을 보여주기 위해 사용했습니다. 컴퓨터 비전, 자연어 처리 및 큰 언어 모델의 세 가지 주제가 설명 될 것입니다.
-
CV 장에는 이미지 분류, 이미지 분할, 객체 감지, 객체 추적, GAN 생성, 확산 생성, 이미지 설명 및 이미지 검색 등 8 가지 주요 작업이 포함됩니다.
-
NLP 장에는 RNN, LSTM, Transformer, Bert 및 GPT 모델의 자세한 설명 및 적용이 포함됩니다. 응용 프로그램 작업에는 텍스트 분류, 기계 번역, 신체 인식 이름, QA 질문 및 답변 및 기사 생성의 5 가지 주요 작업이 포함됩니다.
-
LLM 장에는 4 개의 LLM 배포 및 코드 분석 및 LLM 산업 응용 프로그램 -GPT Academic (GPT Academic Optimization) 이 포함되어 있으며, LLM에는 중국, Qwen, Chatglm, Baichuan 및 YI 의 오픈 소스의 4 가지 주요 주류 모델이 포함됩니다.
산업이 구현됩니다. 도구와 시나리오를 사용하여 귀중하고 유용하고 유용한 알고리즘 서비스를 제공해야합니다. 따라서, 배치, 가속 및 정량화를 위해 훈련 프레임 워크와 Pytorch와 같은 무거운 프레임 워크를 제거하는 것이 일반적입니다. 이 장에서는 Onnx와 Tensorrt 의 원리와 사용을 소개하고 동시에 Tensorrt를 사용하여 양자화 개념, PTQ 및 QAT Quantization 의 실용적 및 원리를 분석합니다.
나는 첫 번째, 중간 및 다음 기사의 학습을 통해 입문 학생들이 많은 우회를 피하고, 빠르게 Pytorch를 마스터하고, 독립적 인 능력을 갖고, 실제 시나리오를 기반으로 알고리즘 모델을 선택할 수 있으며, 모델을 배포하고 적용하여 폐쇄 된 루프를 형성하고 전체 프로세스를 열 수 있다고 생각합니다.
명확한 구조 : 전체 책은 첫 번째 부분 (소개), 두 번째 부분 (응용 프로그램) 및 다음 부분 (구현)의 세 부분으로 나뉩니다.
이론과 실천의 조합 : 이론적 설명을 제공 할뿐만 아니라 독자가 풍부한 프로젝트 사례를 통해 이론을 적용 할 수 있습니다.
풍부한 실제 사례 : 컴퓨터 비전, 자연어 처리 및 대형 언어 모델과 같은 여러 분야에서 실제 사례를 제공합니다.
체계적인 적용 범위 : Pytorch 기본 사항, 컴퓨터 비전 기본 작업, 자연어 처리 기본 작업, 대형 언어 모델 기본 및 추론 배치 프레임 워크를 다룹니다.
광범위한 적용 가능성 : AI Self-Study 학생, AI 제품 관리자, 현재 학생 및 크로스 필드 사람들에게 적합합니다. 읽기, 배경과 요구가 다른 독자들을 만나는 데 적합합니다.
독자의 읽기 분위기를 향상시키고 커뮤니케이션 채널을 제공하기 위해 QQ 커뮤니케이션 그룹이 특별히 설립되었습니다.
그룹 내 커뮤니케이션 품질을 보장하려면 그룹에 가입하려면 비밀번호가 필요합니다. 코드를 확인하십시오
가까운 시일 내에 CV 프로젝트 실용 전투, LLM 추론 및 배포, RAG 시스템 및 기타 최첨단 기술을 포함하여 그룹의 최신 기술 기사를 공유 할 것입니다. 기술 교환에 가입하는 데 오신 것을 환영합니다.
그룹 : 671103375 (전체)
그룹 2 : 773031536 (전체)
세 그룹 : 514974779 (전체)
4 개의 그룹 : 854620826
이 작업은 Creative Commons Attribution-Noncommercial 사용 4.0 국제 라이센스에 따라 라이센스가 부여됩니다.
업데이트 기록 중지 :
| 날짜 | 일정 | 업데이트 중지 이유 | 시간 중지 |
|---|---|---|---|
11 월까지 계속 될 것으로 예상됩니다 | |||
