PyTorch Tutorial 2nd
v1.0.0-PD
Через 5 лет, 4 года и 2 года, был завершен «практическое руководство Pytorch» (второе издание). Помимо сущности первого издания, были добавлены богатые и подробные случаи приложений глубокого обучения и основания развертывания рассуждений , что делает эту книгу более систематически охватывать знания, связанные инженерами по глубокому обучению. Например, разработка технологии искусственного интеллекта была волной за волной, «Практическое руководство Pytorch» (второе издание) не закончилось, но снова отправляется, открывая новые технологии, новые поля и новые главы. Я надеюсь продолжать учиться и развиваться со всеми в области технологий искусственного интеллекта в будущем.
Читайте онлайн ( с открытым исходным кодом бесплатно ): «Практическое руководство Pytorch» (Второе издание)
Вспомогательный код ( бесплатный с открытым исходным кодом ): «Практический учебник Pytorch» (Второе издание)
???: Пожалуйста, нажмите «Звезда» , чтобы ободрить ее!
Этот проект был включен в сообщество Hellogithub и был добавлен в программу значков Hellogithub
Эта книга принимает основные концепции как краеугольный камень, компьютерное зрение, обработка естественного языка и модели крупных языков в качестве основной основы, а также структуру развертывания выводов в качестве моста, все из которых предоставляют читателям инженерию кода и теоретические объяснения для реализации проекта. Книга разделена на три части, первая часть: введение, вторая часть: приложение, следующая часть: реализация.
Основы Pytorch. Для начинающих, непрофессиональных и студентов, мы предоставляем введение в Pytorch, объясняем построение среды разработки, вводим основные модули Pytorch, такие как данные, модели, оптимизация и визуализация. Наконец, мы используем объясненные точки знаний Pytorch для создания набора собственной структуры кода, чтобы заложить основу для последующих применений.
Промышленное применение. После предыдущей статьи я заострил хороший нож, а затем использовал его, чтобы показать свои навыки в различных областях. Будут объяснены три темы, а именно компьютерное зрение, обработка естественного языка и большая языковая модель.
-
В главе CV он включает в себя основные задачи, в том числе восемь основных задач: классификация изображений, сегментация изображений, обнаружение объекта, отслеживание объектов, генерация GAN, генерация диффузии, описание изображения и поиск изображения .
-
В главе NLP он включает в себя подробное объяснение и применение моделей RNN, LSTM, Transformer, BERT и GPT. Задачи приложения включают пять основных задач: классификация текста, машинный перевод, распознавание тела именования, вопросы и ответ QA, а также генерация статьи .
-
В главе LLM он включает в себя 4 развертывания LLM и анализ кодексов и приложение LLM в отрасли - GPT Academic (GPT Academic Optimization) , LLM включает в себя четыре основные основные модели открытого исходного кода в Китае, QWEN, Chatglm, Baichuan и YI .
Промышленность реализована. С помощью инструментов и сценариев мы должны сделать его ценным и стать полезным и полезным алгоритмом. Следовательно, часто разбирается в тренировочной структуре и тяжелой структуре, таких как Pytorch для развертывания, ускорения и количественной оценки. В этой главе будут представлены принципы и использование ONNX и Tensorrt , а в то же время используют Tensorrt для анализа концепции квантования, практических и принципов квантования PTQ и QAT .
Я полагаю, что благодаря изучению первых, средних и следующих статей это может помочь студентам вступительных учеников избежать множества обхода, быстро магистерских пирогов, иметь возможность стоять в одиночестве, может выбрать алгоритм модели на основе фактических сценариев, и может развернуть и применять модели для формирования закрытой петли и открыть весь процесс.
Четкая структура: вся книга разделена на три части: первая часть (введение), вторая часть (приложение) и следующая часть (реализация), постепенно направляя читателей на глубину.
Сочетание теории и практики: не только предоставляет теоретические объяснения, но также позволяет читателям применять теорию к практике через богатые проекты.
Богатые практические случаи: предоставляйте практические случаи в нескольких областях, таких как компьютерное зрение, обработка естественного языка и модели крупных языков.
Систематическое охват: охватывает основы Pytorch, базовые задачи компьютерного зрения, основные задачи обработки естественного языка, основные основы языка и основу развертывания вывода.
Широкая применимость: подходит для студентов самостоятельного изучения искусственного интеллекта, менеджеров по продуктам искусственного интеллекта, нынешних студентов и людей по полю для чтения, встречи с читателями с различным опытом и потребностями.
Чтобы улучшить атмосферу чтения читателей и обеспечить каналы связи, была специально создана группа связи QQ.
Чтобы обеспечить качество связи в группе, вам нужен пароль, чтобы присоединиться к группе. Пожалуйста, проверьте код
В ближайшем будущем мы поделимся новейшими техническими статьями в группе, в том числе CV Project Project Practical Combat, рассуждения и развертывание LLM, RAG Systems и другие передовые технологии. Добро пожаловать, чтобы присоединиться к техническому обмену.
Группа: 671103375 (полная)
Группа 2: 773031536 (полная)
Три группы: 514974779 (полная)
Четыре группы: 854620826
Эта работа лицензирована в соответствии с Creative Commons Attribution-Noncommercial Use 4.0 International License.
Остановить запись обновления:
| дата | расписание | Причина прекращения обновления | Время остановки |
|---|---|---|---|
Ожидается, что он продолжится до ноября | |||
