eat_pytorch_in_20_days 다운로드 eat_pytorch_in_20

eat_pytorch_in_20_days

파이썬

1.0.0

다운로드

20 일 안에 Pytorch를 먹는 방법?

1.이 책은 독자들을위한 책입니까?

이 책은 독자들이 기계 학습 및 딥 러닝에서 특정 기초를 가지고 있으며 Keras 또는 Tensorflow 또는 Pytorch를 사용하여 훈련 된 간단한 모델을 구축했다고 가정합니다.

별명은 "20 일 만에 Pytorch를 먹는다"의 비디오 버전입니다. Bilibili에 로그인합니다. 미식가들은 가장 순수한 지역 맛을 위해 마음으로 가득합니다. 새롭고 오랜 친구들이 와서 맛볼 수 있습니다 .

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

2.이 책의 글쓰기 스타일은 무엇입니까?

이 책은 인간 사용자에게 매우 친절한 Pytorch 입문 참조 서적입니다. 이 책을 가장 많이 추구한다고 생각하지 마십시오.

이 책은 주로 공식 Pytorch 문서 및 기능 문서 문서를 참조하여 편집하고 작성되었습니다.

공식 Pytorch 문서는 매우 간결하고 명확하지만이 책은 장 구조 및 예제의 선택에 많은 최적화를 만들었으며, 이는 사용자 친근감 측면에서 더 좋습니다.

이 책은 내용, 독자 검색 습관 및 Pytorch의 자체 계층 구조 인 단계별 및 명확한 레벨에 따라 내용을 설계하여 기능에 따라 해당 예제를 찾는 것이 편리합니다.

이 책은 예제 디자인에서 가능한 한 간단하고 구조화되어 예제의 가독성과 다양성을 향상시킵니다. 대부분의 코드 스 니펫은 실제로 상자에서 사용할 수 있습니다.

Pytorch 공식 문서를 통해 Pytorch를 마스터하는 것이 약 5 인 경우이 책을 통해 Pytorch를 마스터하는 데 어려움은 약 2 여야합니다.

다음 그림 만 공식 Pytorch 문서와 "20 일 만에 Pytorch를 먹는다"라는 책의 차이점을 비교합니다.

3.이 책에 대한 연구 계획

1. 학습 계획

이 책은 약 3 개월의 여가 시간을 사용하여 저자가 작성했으며 대부분의 독자들은 20 일 이내에 그것을 완전히 배울 수 있어야합니다.

매일 소비하는 학습 시간은 30 분에서 2 시간 사이입니다.

물론,이 책은 예제 라이브러리로 구현 될 때 Pytorch Tool Manual에 대한 참조로 매우 적합합니다.

이 장을 입력하려면 학습 콘텐츠의 파란색 제목을 클릭하십시오.

날짜	학습 내용	내용 난이도	예상 연구 시간	업데이트 상태
	1. Pytorch 모델링 프로세스	켈	0 시간	✅
1 일	1-1, 구조화 된 데이터 모델링 프로세스 예제	Ø️킬킬	1 시간	✅
2 일	1-2, 이미지 데이터 모델링 프로세스 예제	Ø️킬킬	2 시간	✅
3 일	1-3, 텍스트 데이터 모델링 프로세스 예제	닐 바 b 시작	2 시간	✅
Day4	1-4, 시계열 데이터 모델링 프로세스 예제	닐 바 b 시작	2 시간	✅
	2. Pytorch의 핵심 개념	켈	0 시간	✅
Day5	2-1, 텐서 데이터 구조	Ø️킬킬	1 시간	✅
6 일	2-2, 자동 차동 메커니즘	Ø️킬킬	1 시간	✅
Day7	2-3, 동적 계산 다이어그램	닐 바 b 시작	2 시간	✅
	3. Pytorch 계층 구조	켈	0 시간	✅
8 일	3-1, 저차 API 데모	Ø️킬킬	1 시간	✅
9 일	3-2, 중간 API 데모	Ø️킬킬	1 시간	✅
10 일	3-3, 고급 API 데모	Ø️킬킬	1 시간	✅
	4. Pytorch의 저차 API	켈	0 시간	✅
Day11	4-1, 텐서의 구조적 작동	닐 바 b 시작	2 시간	✅
12 일	4-2, 텐서의 수학적 작동	Ø️킬킬	1 시간	✅
13 일	4-3, NN. 기능 및 NN. 모듈	Ø️킬킬	1 시간	✅
	5. Pytorch의 중간 API	켈	0 시간	✅
14 일	5-1, 데이터 세트 및 데이터 로더	Ø️킬킬	1 시간	✅
15 일	5-2, 모델 레이어	닐 바 b 시작	2 시간	✅
16 일	5-3, 손실 함수	Ø️킬킬	1 시간	✅
17 일	5-4, 텐서 보드 시각화	Ø️킬킬	1 시간	✅
	6. Pytorch의 고급 API	켈	0 시간	✅
18 일	6-1, 모델을 구축하는 3 가지 방법	️️	0.5 시간	✅
19 일	6-2, 모델을 훈련시키는 3 가지 방법	Ø️킬킬	1 시간	✅
Day20	6-3, GPU를 사용하여 모델을 훈련시킵니다	Ø️킬킬	1 시간	✅
*	PostScript : 내 제품보기	켈	0 시간	✅

2. 학습 환경

이 책의 모든 소스 코드는 Jupyter로 작성되어 테스트를 통과했습니다. Git을 통해 로컬로 복제하고 Jupyter에서 대화식으로 학습을 실행하는 것이 좋습니다.

1 단계 :이 책의 소스 코드를이 지역 지역으로 복제하고 Code Cloud Mirror Warehouse를 사용하여 중국에서 더 빠르게 다운로드하십시오.

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

2 단계 : 공식 계정 알고리즘 푸드 하우스 응답 키워드 : Pytorch ,이 프로젝트에 사용 된 데이터 세트 요약 압축 패키지 eat_pytorch_datasets.zip baidu 클라우드 디스크 다운로드 링크, 다운로드 및 압축 압축 및 약 160m.

 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. 프로젝트 업데이트 레코드

1, 2022-08 ?? 업데이트 Pytorch 및 광고 추천 장

광고 추천 분야에 관심이 있고 고급이 필요한 학생들에게 적합합니까?

날짜	학습 내용	내용 난이도	예상 연구 시간	업데이트 상태
	7. Pytorch 및 광고 권장 사항	켈	0 시간	✅
1 일	7-1, 권장 알고리즘 사업	Ø️킬킬	0.5 시간	✅
2 일	7-2, 광고 알고리즘 비즈니스	Ø️킬킬	0.5 시간	✅
3 일	7-3, FM 모델	Ø️킬킬	1 시간	✅
Day4	7-4, DeepFM 모델	Ø️킬킬	1 시간	✅
Day5	7-5, Fibinet 모델	Ø️킬킬	2 시간	✅
6 일	7-6, 딥 크로스 모델	닐 바 b 시작	2 시간	✅
Day7	7-7, DIN 네트워크	닐 바 b 시작	2 시간	✅
8 일	7-8, 디엔 네트워크	닐 바 b 시작	2 시간	✅

2, 2023-03 ?? 업데이트 부활절 달걀 챕터

Pytorch와 관련된 일부 주변 도구 소개

날짜	학습 내용	내용 난이도	예상 연구 시간	업데이트 상태
	부활절 달걀 : Pytorch 주변 장치 도구	켈	0 시간	✅
1 일	A-1, Kaggle 무료 GPU 사용 안내서	Ø️킬킬	1 시간	✅
2 일	A-2, Streamlit은 기계 학습 응용 프로그램을 구축합니다	Ø️킬킬	1 시간	✅
3 일	A-3, Mac M1 칩을 사용하여 Pytorch를 가속화하십시오	Ø️킬킬	1 시간	✅
Day4	A-4, Optuna 시각 매개 변수 조정 마법 가이드	Ø️킬킬	1 시간	✅
Day5	A-5, Gradio는 기계 학습 모델을 섹시하게 만듭니다	Ø️킬킬	1 시간	✅
6 일	A-6, WANDB 모델 시각 분석	Ø️킬킬	0.5 시간	✅
Day7	A-7, WANDB 모델 시각화 및 자동 매개 변수 조정	Ø️킬킬	1 시간	✅

3. 2023-07 ?? Pytorch 모델 교육 도구 라이브러리 Torchkeras를 업데이트하십시오

관련 장 코드는 그에 따라 최적화되고 조정되었습니다.

기능	시작 버전에 대한 안정적인 지원	도서관에 의존하거나 빌리십시오
✅ 훈련 진행률 바	3.0.0	TQDM에 의존하고 Keras로부터 배우십시오
✅ 교육 평가 지표	3.0.0	pytorch_lightning에 그리기
✅ 노트북 훈련에는 시각화가 제공됩니다	3.8.0	Fastai에서 그려냅니다
✅ 조기 중지	3.0.0	케라에 그리기
GPU 훈련	3.0.0	가속에 의존합니다
✅ 다중 GPUS 교육 (DDP)	3.6.0	가속에 의존합니다
FP16/BF16 교육	3.6.0	가속에 의존합니다
Tensorboard 콜백	3.7.0	텐서 보드에 의존합니다
wandb 콜백	3.7.0	wandb에 의존합니다