Deep Learning with PyTorch Chinese

Apreendimento profundo com pytorch-Chinese

Este projeto (portal da versão da web) traduz o livro oficial do Pytorch "Deep Learning With Pytorch" (versão básica de trecho) em chinês e fornece o código relevante que pode ser executado ao longo do livro.

Este projeto traduz o livro oficial de Pytorch "Deep Learning With Pytorch" (versão essencial de trecho) em chinês.

1. Introdução ao livro

Desde a sua criação em 2016, a Pytorch se tornou uma das estruturas de aprendizado mais profundas hoje. Recentemente, o livro de tutoriais autoritário oficial do Pytorch, "Deep Learning With Pytorch", foi finalmente lançado. Assim que as notícias foram lançadas, foi altamente recomendado pelo gigante Yann Lecun. É um excelente livro para começar com Pytorch e aprendizado profundo.

Deve -se notar que o PDF fornecido pelo site oficial da Pytorch é um trecho básico (Excelpts essenciais), com um total de 141 páginas, e o conteúdo inclui as cinco partes a seguir:

1. Introdução ao Deep Learning e Pytorch
2. Comece com um tensor
3. Use tensores para representar dados reais
4. Mecanismo de aprendizado
5. Ajustar dados usando rede neural

Portanto, ele pode ser usado como um tutorial para começar a Pytorch. A versão completa deste livro também está disponível para visualização gratuita, Portal.

2. Introdução ao projeto

Este projeto traduz o livro original em chinês e fornece códigos relevantes que podem ser executáveis.

Este repositório contém principalmente duas pastas: código e documentos (além de alguns dados são armazenados em dados). A pasta de código é o código de notebook Jupyter relevante para cada capítulo; A pasta Docs é a tradução chinesa do conteúdo relevante no formato de marcação "Deep Learning with Pytorch" (versão básica de trecho) e, em seguida, use o DocSify para implantar o documento da web nas páginas do GitHub. As contribuições para este projeto ou edição são bem -vindas.

3. Como usar

Este projeto é destinado a sapatos infantis interessados em Pytorch, especialmente aqueles que desejam começar rapidamente. Este projeto não exige que você tenha conhecimento de fundo de aprendizado profundo ou aprendizado de máquina. Você só precisa entender a matemática e a programação básicas, como álgebra linear básica, diferencial e probabilidade e programação básica do Python.

A documentação deste repositório contém algumas fórmulas de látex, mas o nativo de marcação do Github não suporta a exibição de fórmulas, e a pasta Docs foi implantada nas páginas do GitHub usando o DocSify, para que você possa acessar facilmente a versão da Web deste projeto. Se você deseja executar o código relevante, precisa clonar o projeto e executar o código relevante na pasta Código.

Como os trechos básicos traduzidos neste projeto, são apenas 141 páginas, é adequado para um início rápido com o Pytorch. Se você deseja ter um aprendizado mais aprofundado sobre o pytorch e o aprendizado profundo (como visão computacional, processamento de linguagem natural etc.), pode precisar de mais informações. Se você estiver interessado, pode se referir a outro projeto do meu Dive-Into-DL-Pytorch.

4. Conteúdo

• Introdução
• 1. Introdução ao Deep Learning e Pytorch
  • 1.1 O que é pytorch
  • 1.2 sobre o que este livro diz sobre
  • 1.3 Por que usar pytorch
  • 1.4 componentes incluídos em pytorch
• 2. Comece com um tensor
  • 2.1 básicos do tensor
  • 2.2 Tensores e armazenamento
  • 2.3 Tamanho, deslocamento de armazenamento e tamanho da etapa
  • 2.4 Tipo de dados
  • 2.5 Tensor de índice
  • 2.6 Intercomunicação com Numpy
  • 2.7 Serialize tensores
  • 2.8 Transfira tensores para a GPU para executar
  • 2.9 API Tensor
• 3. Use tensores para representar dados reais
  • 3.1 Dados tabulares
  • 3.2 Série temporal
  • 3.3 Dados de texto
  • 3.4 Dados da imagem
  • 3,5 dados de volume
• 4. Mecanismo de aprendizado
  • 4.1 Aprendizado é a estimativa de parâmetros
  • 4.2 Orientação automática de Pytorch
• 5. Use a rede neural para ajustar os dados
  • 5.1 neurônios
  • 5.2 Módulo NN de Pytorch
  • 5.3 Subclasse NN

5. declaração

• O tradutor se traduz puramente para fins de aprendizado e interesses pessoais e não busca nenhum benefício econômico;
• Este projeto é limitado apenas ao uso de fins de aprendizado e pesquisa. O tradutor se reserva o direito de nomear o projeto. Qualquer reimpressão deve indicar a fonte, mas não deve ser usada para qualquer finalidade comercial;
• O uso deste projeto violação do trabalho original ou qualquer ato que viole a lei de proteção de propriedade intelectual não tem nada a ver com o tradutor;
• Aqueles que podem ler livros em inglês devem ler a versão original ou comprar a versão completa do livro.

LICENÇA

CC BY-NC (atribution-não-comercial uso) 4.0