บทช่วยสอนเหล่านี้ได้ถูกรวมเข้ากับบทช่วยสอน Pytorch อย่างเป็นทางการ โปรดไปที่นั่นเพื่อให้ได้รุ่นที่ดีกว่าของบทช่วยสอนเหล่านี้เข้ากันได้กับ Pytorch รุ่นใหม่
เรียนรู้ Pytorch ด้วยแบบฝึกหัดตามโครงการ บทเรียนเหล่านี้แสดงให้เห็นถึงเทคนิคที่ทันสมัยด้วยรหัสที่อ่านได้และใช้ข้อมูลปกติจากอินเทอร์เน็ต
บทเรียน
ซีรี่ส์ 1: RNNS สำหรับ NLP
การใช้เครือข่ายประสาทที่เกิดขึ้นซ้ำกับงานภาษาธรรมชาติตั้งแต่การจำแนกประเภทไปจนถึงรุ่น
- การจำแนกชื่อด้วย RNN ระดับอักขระ
- สร้างเช็คสเปียร์ด้วยระดับตัวละคร RNN
- สร้างชื่อด้วย RNN ระดับอักขระที่มีเงื่อนไข
- การแปลด้วยลำดับไปยังเครือข่ายลำดับและความสนใจ
- สำรวจเวกเตอร์คำด้วยถุงมือ
- การวิเคราะห์ความเชื่อมั่นของ WIP ด้วย RNN ระดับคำและการฝังถุงมือ
ซีรี่ส์ 2: ข้อมูล RNNS สำหรับ Timeseries
- WIP ทำนายเหตุการณ์ที่ไม่ต่อเนื่องกับ RNN
เริ่มต้นใช้งาน
วิธีที่เร็วที่สุดในการเรียกใช้สิ่งเหล่านี้บนเครื่อง Linux หรือ Mac ใหม่คือการติดตั้ง Anaconda:
curl -LO https://repo.continuum.io/archive/Anaconda3-4.3.0-Linux-x86_64.sh
bash Anaconda3-4.3.0-Linux-x86_64.sh
จากนั้นติดตั้ง pytorch:
conda install pytorch -c soumith
จากนั้นโคลน repo นี้และเริ่มสมุดบันทึก Jupyter:
git clone http://github.com/spro/practical-pytorch
cd practical-pytorch
jupyter notebook
แนะนำการอ่าน
พื้นฐานของ Pytorch
- http://pytorch.org/ สำหรับคำแนะนำในการติดตั้ง
- แบบฝึกหัด Pytorch สำหรับแบบฝึกหัดเพิ่มเติม (บทเรียนเหล่านี้รวมอยู่ที่นั่น)
- การเรียนรู้อย่างลึกซึ้งกับ Pytorch: Blitz 60 นาทีเพื่อเริ่มต้นด้วย Pytorch โดยทั่วไป
- รู้เบื้องต้นเกี่ยวกับ Pytorch สำหรับอดีตคบเพลิงหากคุณเป็นอดีตผู้ใช้ Lua Torch
- ตัวอย่าง pytorch ของ JCJohnson สำหรับภาพรวมเชิงลึกเพิ่มเติม (รวมถึงโมดูลที่กำหนดเองและฟังก์ชั่น autograd)
เครือข่ายประสาทกำเริบ
- ประสิทธิภาพที่ไม่สมเหตุสมผลของเครือข่ายประสาทที่เกิดขึ้นอีกแสดงตัวอย่างในชีวิตจริง
- การเรียนรู้ลึก NLP และการเป็นตัวแทนสำหรับภาพรวมเกี่ยวกับการฝังคำและ RNNs สำหรับ NLP
- การทำความเข้าใจกับเครือข่าย LSTM นั้นเกี่ยวกับการทำงานของ LSTMS โดยเฉพาะ แต่ยังให้ข้อมูลเกี่ยวกับ RNNs โดยทั่วไป
การแปลเครื่องจักร
- การเรียนรู้วลีการเป็นตัวแทนโดยใช้ RNN encoder-decoder สำหรับการแปลเครื่องทางสถิติ
- ลำดับการเรียนรู้ลำดับด้วยเครือข่ายประสาท
โมเดลความสนใจ
- การแปลเครื่องประสาทโดยร่วมกันเรียนรู้ที่จะจัดตำแหน่งและแปล
- แนวทางที่มีประสิทธิภาพในการแปลเครื่องประสาทตามความสนใจ
การใช้ RNN อื่น ๆ
บทช่วยสอนอื่น ๆ
- การเรียนรู้อย่างลึกซึ้งสำหรับ NLP ใน Pytorch
ข้อเสนอแนะ
หากคุณมีความคิดหรือค้นหาข้อผิดพลาดโปรดฝากข้อความไว้