eat_pytorch_in_20_days
1.0.0
В этой книге предполагается, что читатели имеют определенную основу в области машинного обучения и глубокого обучения, и они использовали кера или тензорфлоу или pytorch для создания обученных простых моделей.
Прозвище представляет собой видео -версию «Ешь, что питорх за 20 дней» регистрируется в билибили. Гурманы полны их сердца, только для самого чистого местного вкуса. Новые и старые друзья могут прийти и попробовать это ??!
https://www.bilibili.com/video/bv1ua411p7oe
Эта книга представляет собой вводной справочник Pytorch, который очень дружелюбен для людей. Не позволяйте мне думать, что это самое высокое стремление к этой книге.
Эта книга в основном скомпилирована и написана на основе ссылки на официальную документацию Pytorch и документацию по функции DOC.
Хотя официальная документация Pytorch довольно краткая и ясная, эта книга сделала много оптимизации в выборе структуры и примеров главы, что лучше с точки зрения удобства пользователя.
Эта книга разрабатывает контент в соответствии с сложностью контента, привычкам поиска читателей и собственной иерархической структурой Pytorch, пошаговым и четким уровням, что делает удобным найти соответствующие примеры в соответствии с функциями.
Эта книга максимально проста и структурирована в примере дизайна, улучшая читабельность и универсальность примеров. Большинство фрагментов кода могут быть использованы из коробки на практике.
Если это около 5, чтобы овладеть Pytorch через изучение официальных документов Pytorch, то сложность освоения Pytorch через эту книгу должна составлять около 2.
Только на следующем рисунке сравниваются различия между официальным документом Pytorch и книгой «Ешьте этот питор за 20 дней».
1. План учебного заведения
Эта книга была написана автором, использующим около 3 месяцев своего свободного времени, и большинство читателей должны иметь возможность полностью изучить ее в течение 20 дней.
Время обучения, которое вы проводите каждый день, составляет от 30 минут до 2 часов.
Конечно, эта книга также очень подходит в качестве ссылки для руководства по инструментам Pytorch, когда она реализована в качестве примера библиотеки.
Нажмите на синий заголовок обучения контента, чтобы ввести эту главу.
| дата | Учебный контент | Сложность содержания | Расчетное время обучения | Статус обновления |
|---|---|---|---|---|
| 1. Процесс моделирования Pytorch | ️ | 0 часов | ✅ | |
| День 1 | 1-1, пример процесса структурированного моделирования данных | ️ | 1 час | ✅ |
| День 2 | 1-2, пример процесса моделирования данных изображения | ️ | 2 часа | ✅ |
| День 3 | 1-3, Пример процесса моделирования текстовых данных | ️ | 2 часа | ✅ |
| День 4 | 1-4, Пример процесса моделирования данных временных рядов | ️ | 2 часа | ✅ |
| 2. Основная концепция Pytorch | ️ | 0 часов | ✅ | |
| День 5 | 2-1, структура данных тензора | ️ | 1 час | ✅ |
| День 6 -го дня | 2-2, Автоматический дифференциальный механизм | ️ | 1 час | ✅ |
| День 7 | 2-3, Динамическая схема расчета | ️ | 2 часа | ✅ |
| 3. Пейторх иерархия | ️ | 0 часов | ✅ | |
| День 8 | 3-1, демонстрация API низкого порядка | ️ | 1 час | ✅ |
| день | 3-2, промежуточная демонстрация API | ️ | 1 час | ✅ |
| день 10 | 3-3, Advanced API демонстрация | ️ | 1 час | ✅ |
| 4. API низкого порядка Pytorch | ️ | 0 часов | ✅ | |
| день11 | 4-1, Структурная эксплуатация тензоров | ️ | 2 часа | ✅ |
| день12 | 4-2, Математическая операция тензоров | ️ | 1 час | ✅ |
| день 13 | 4-3, nn.functional и nn.module | ️ | 1 час | ✅ |
| 5. Промежуточный API Pytorch | ️ | 0 часов | ✅ | |
| День 14 | 5-1, набор данных и DataLoader | ️ | 1 час | ✅ |
| день 15 | 5-2, модельный слой | ️ | 2 часа | ✅ |
| день16 | 5-3, функция потери | ️ | 1 час | ✅ |
| день 17 | 5-4, визуализация Tensorboard | ️ | 1 час | ✅ |
| 6. Продвинутый API Pytorch | ️ | 0 часов | ✅ | |
| День 18 | 6-1, 3 способа построения модели | ️ | 0,5 часа | ✅ |
| день 19 | 6-2, 3 способа обучения модели | ️ | 1 час | ✅ |
| День20 | 6-3, используйте графический процессор для обучения модели | ️ | 1 час | ✅ |
| * | PostScript: мой просмотр продукта | ️ | 0 часов | ✅ |
2. Учебная среда
Все исходные коды этой книги написаны в Юпитере и прошли тест. Рекомендуется клонировать его локально через GIT и управлять обучением интерактивно в Юпитере.
Шаг 1: клонируйте исходный код этой книги в локальную область, используйте облачный склад кодового зеркала, чтобы быстрее загрузить в Китае в Китае
git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days
Шаг 2: Официальный алгоритм аккаунта «Пищевой дом» Ответ Ключевые слова: pytorch , получить пакет сжатия набора данных, используемый в этом проекте eat_pytorch_datasets.zip Baidu Cloud Disk Ссылка, загрузка и декомпрессия и перемещение на путь eat_pytorch_in_20_days, около 160 м.
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
Подходит для студентов, которые заинтересованы в области рекламных рекомендаций и нуждаются в продвижении ??
| дата | Учебный контент | Сложность содержания | Расчетное время обучения | Статус обновления |
|---|---|---|---|---|
| 7. Рекомендации Pytorch и реклама | ️ | 0 часов | ✅ | |
| День 1 | 7-1, рекомендуемый алгоритм бизнес | ️ | 0,5 часа | ✅ |
| День 2 | 7-2, бизнес рекламного алгоритма | ️ | 0,5 часа | ✅ |
| День 3 | 7-3, модель FM | ️ | 1 час | ✅ |
| День 4 | 7-4, модель DeepFM | ️ | 1 час | ✅ |
| День 5 | 7-5, модель Fibinet | ️ | 2 часа | ✅ |
| День 6 -го дня | 7-6, модель DeepCross | ️ | 2 часа | ✅ |
| День 7 | 7-7, сеть DIN | ️ | 2 часа | ✅ |
| День 8 | 7-8, Dien Network | ️ | 2 часа | ✅ |
Введение в некоторые периферические инструменты, связанные с Pytorch
| дата | Учебный контент | Сложность содержания | Расчетное время обучения | Статус обновления |
|---|---|---|---|---|
| Пасхальное яйцо: периферийные инструменты Pytorch | ️ | 0 часов | ✅ | |
| День 1 | A-1, Руководство по использованию графических процессоров Kaggle | ️ | 1 час | ✅ |
| День 2 | A-2, Streamlit создает приложения машинного обучения | ️ | 1 час | ✅ |
| День 3 | A-3, используйте Mac M1 Chip для ускорения Pytorch | ️ | 1 час | ✅ |
| День 4 | A-4, Руководство по регулировке магии визуального параметра Optuna | ️ | 1 час | ✅ |
| День 5 | A-5, Gradio делает вашу модель машинного обучения сексуальной | ️ | 1 час | ✅ |
| День 6 -го дня | A-6, визуальный анализ Wandb Model | ️ | 0,5 часа | ✅ |
| День 7 | A-7, Визуализация модели WANDB и автоматическая настройка параметров | ️ | 1 час | ✅ |
Соответствующий код главы был оптимизирован и скорректирован соответственно.
| Функция | Стабильная поддержка стартовой версии | Зависеть от библиотеки или одолжить |
|---|---|---|
| ✅ Бар прогресса в обучении | 3.0.0 | Полагайтесь на TQDM, учитесь у кераса |
| ✅ Индикаторы оценки обучения | 3.0.0 | Рисунок на pytorch_lightning |
| ✅ Обучение в ноутбуке поставляется с визуализацией | 3.8.0 | Рисовать от Fastai |
| ✅ Ранняя остановка | 3.0.0 | Рисуя на керах |
| ✅ Обучение графического процессора | 3.0.0 | Зависит от ускорения |
| ✅ Multi-GPus Training (DDP) | 3.6.0 | Зависит от ускорения |
| ✅ FP16/BF16 Обучение | 3.6.0 | Зависит от ускорения |
| ✅ Tensorboard Callback | 3.7.0 | Зависеть от тензора |
| ✅ WANDB обратный вызов | 3.7.0 | Зависит от Wandb |
Для получения подробной информации, пожалуйста, обратитесь к ссылке проекта :: https://github.com/lyhue1991/torchkeras
Если эта книга полезна для вас, я хотел бы поощрять автора, не забудьте добавить звезду в этот проект и поделиться ею со своими друзьями?!
Если у вас есть некоторые вопросы или предложения о содержании этой книги, вы можете ответить на ключевые слова в бэкэнде официальной учетной записи «Алгоритм Food House»: присоединяйтесь к группе и присоединяйтесь к группе Reader Exchange, чтобы обсудить со всеми.
