Deep Learning with PyTorch Chinese

Глубокое обучение с питатором-китайцами

Этот проект (веб -версия Portal) переводит официальную книгу Pytorch «глубокое обучение с Pytorch» (базовая версия выдержки) в китайский язык и дает соответствующий код, который можно запустить на протяжении всей книги.

Этот проект переводит официальную книгу Pytorch «Глубокое обучение с Pytorch» (Essential Adherpt Version) на китайский.

1. Книга Введение

С момента своего создания в 2016 году Pytorch сегодня стал одной из самых горячих рамках глубокого обучения. Недавно наконец была выпущена официальная авторитетная учебная книга Pytorch «Deep Learning with Pytorch». Как только появились новости, она была настоятельно рекомендована гигантским Янном Лекуном. Это отличный учебник для начала работы с Pytorch и глубоким обучением.

Следует отметить, что PDF, предоставленный официальным веб -сайтом Pytorch, представляет собой базовую выдержку (Essential Excelpts), в общей сложности 141 страница, а содержание включает в себя следующие пять частей:

1. Введение в глубокое обучение и питорх
2. Начните с тензора
3. Используйте тензоры для представления реальных данных
4. Механизм обучения
5. Установка данных с использованием нейронной сети

Поэтому его можно использовать в качестве учебника для начала работы с Pytorch. Полная версия этой книги также доступна для бесплатного предварительного просмотра, портал.

2. Введение проекта

Этот проект переводит оригинальную книгу на китайский язык и дает соответствующие коды, которые можно запустить.

Этот репозиторий в основном содержит две папки: код и документы (плюс некоторые данные хранятся в данных). Кодовая папка - это соответствующий код ноутбука Юпитера для каждой главы; Папка DOCS - это китайский перевод соответствующего контента в формате разметки «глубокое обучение с Pytorch» (базовая версия выдержки), а затем используйте DocSify для развертывания веб -документа на страницы GitHub. Взносы в этот проект или выпуск приветствуются.

3. Как использовать

Этот проект предназначен для детской обуви, которая заинтересована в Pytorch, особенно тех, кто хочет начать быстро. Этот проект не требует, чтобы вы имели какое -либо исследование глубокого обучения или машинного обучения. Вам нужно только понимать базовую математику и программирование, такие как основная линейная алгебра, дифференциальная и вероятность, а также базовое программирование Python.

Документация этого репозитория содержит некоторые латексные формулы, но Markdown, уроженец GitHub, не поддерживает отображение формул, а папка DOCS была развернута на страницах GitHub с использованием DocSify, поэтому вы можете легко получить доступ к веб -версии этого проекта. Если вы хотите запустить соответствующий код, вам необходимо клонировать проект, а затем запустить соответствующий код в папке кода.

Поскольку основные выдержки, переведенные в этом проекте, это всего лишь 141 страница, он подходит для быстрого начала с Pytorch. Если вы хотите иметь более глубокое обучение Pytorch и глубокому обучению (например, компьютерное зрение, обработка естественного языка и т. Д.), Вам может потребоваться дополнительная информация. Если вы заинтересованы, вы можете обратиться к другому проекту моего Dive-Into-DL-Pytorch.

4. Содержание

• Введение
• 1. Введение в глубокое обучение и питорх
  • 1.1 Что такое Pytorch
  • 1.2 Что говорит эта книга
  • 1.3 Зачем использовать Pytorch
  • 1.4 Компоненты, включенные в Pytorch
• 2. Начните с тензора
  • 2.1 Тенсорные основы
  • 2.2 Тенсоры и хранение
  • 2.3 размер, смещение хранения и размер шага
  • 2.4 Тип данных
  • 2.5 Индекс тензор
  • 2.6 Взаимосвязь с Numpy
  • 2.7 Serialize Tensors
  • 2.8 Передача тензоров в графический процессор, чтобы запустить
  • 2.9 Tensor API
• 3. Используйте тензоры для представления реальных данных
  • 3.1 Табличные данные
  • 3.2 Временные ряды
  • 3.3 Текстовые данные
  • 3.4 Данные изображения
  • 3.5 Данные тома
• 4. Механизм обучения
  • 4.1 Обучение - это оценка параметров
  • 4.2 Автоматическое руководство Pytorch
• 5. Используйте нейронную сеть, чтобы соответствовать данным
  • 5.1 Нейроны
  • 5.2 NN модуль Pytorch
  • 5.3 NN Подкласс

5. Заявление

• Переводчик переводится исключительно для учебных целей и личных интересов и не получает никаких экономических выгод;
• Этот проект ограничен только использованием целей обучения и исследований. Переводчик оставляет за собой право назвать проект. Любая перепечатка должна указывать на источник, но не должен использоваться для каких -либо коммерческих целей;
• Использование этого проекта нарушение первоначальной работы или любого действия, которое нарушает закон о защите интеллектуальной собственности, не имеет ничего общего с переводчиком;
• Те, кто может читать английские книги, должны прочитать оригинальную версию или приобрести полную версию книги.

ЛИЦЕНЗИЯ

CC BY-NC (Атрибутив-некоммерческое использование) 4.0