pytorch handbook

คู่มือจีน Pytorch (คู่มือ Pytorch)

หนังสือแนะนำ

นี่คือหนังสือโอเพ่นซอร์สที่มีเป้าหมายในการช่วยเหลือผู้ที่ต้องการและใช้ Pytorch สำหรับการพัฒนาการเรียนรู้อย่างลึกซึ้งและการวิจัยอย่างรวดเร็ว

เนื่องจากระดับที่ จำกัด ของฉันฉันได้อ้างถึงข้อมูลออนไลน์บางอย่างเมื่อเขียนบทช่วยสอนนี้ ฉันต้องการแสดงความเคารพต่อพวกเขาที่นี่ ฉันจะแนบที่อยู่เดิมเข้ากับใบเสนอราคาแต่ละรายการสำหรับการอ้างอิงของคุณ

เทคโนโลยีการเรียนรู้ลึกกำลังพัฒนาอย่างรวดเร็วและ Pytorch ได้รับการปรับปรุงอย่างต่อเนื่องและฉันจะค่อยๆปรับปรุงเนื้อหาที่เกี่ยวข้อง

คำอธิบายเวอร์ชัน

เนื่องจากการเปลี่ยนแปลงของเวอร์ชัน Pytorch เวอร์ชันของการสอนจะสอดคล้องกับเวอร์ชัน Pytorch

สรุปการเปลี่ยนแปลงหลักใน Pytorch Major Version Update เวอร์ชันปัจจุบัน 1.11

เวอร์ชันออนไลน์และ PDF

กระจกในประเทศนั้นเร็วมากและจะไม่ถูกบล็อก: https://www.pytorch.wiki/

ยังไม่มีวิธีที่ดีในการสร้างไฟล์ PDF เพื่อนที่คุ้นเคยกับแง่มุมนี้สามารถติดต่อฉันได้ ฉันรู้สึกขอบคุณ

QQ 6 กลุ่ม

หมายเลขกลุ่ม: 760443051

คลิกลิงก์เพื่อเข้าร่วมการแชทกลุ่ม [Pytorch Handbook Communication Group 6]: https://jq.qq.com/?_wv=1027&k=x4RO6UWV

กลุ่ม 1 (985896536) เต็มกลุ่ม 2 (681980831) กลุ่ม 3 (773681699) เต็ม 4 (884017356) เต็ม 5 (894059877) เต็ม

อย่าเพิ่ม

ผลประโยชน์ใหม่

บัญชีสาธารณะการแบ่งปันบทความสินค้าแห้งทุกวัน

อธิบาย

• โปรดพูดถึงปัญหาหรือการประชาสัมพันธ์โดยตรงเมื่อแก้ไขการพิมพ์ผิด

• โปรดใส่ใจกับเวอร์ชันเมื่อ PR

• หากคุณมีคำถามใด ๆ โปรดถามปัญหาโดยตรง

ปลื้มปีติ

สารบัญ

บทที่ 1: เริ่มต้นด้วย pytorch

1. รู้เบื้องต้นเกี่ยวกับ pytorch
2. การก่อสร้างสิ่งแวดล้อม Pytorch
3. Pytorch Deep Learning: เริ่มต้นอย่างรวดเร็ว 60 นาที (เป็นทางการ)
   • เทนเซอร์
   • Autograd: ค้นหาคำแนะนำโดยอัตโนมัติ
   • เครือข่ายประสาท
   • การฝึกอบรม
   • การอ่านที่เลือก: การประมวลผลข้อมูลแบบขนาน (หลาย GPU)
4. การแนะนำทรัพยากรที่เกี่ยวข้อง

บทที่ 2 พื้นฐาน

ส่วนที่ 1 Pytorch Basics

1. เทนเซอร์
2. คู่มืออัตโนมัติ
3. แพ็คเกจเครือข่ายประสาท NN และ Optimizer OPTM
4. การโหลดข้อมูลและการประมวลผลล่วงหน้า

ส่วนที่ 2 พื้นฐานของการเรียนรู้เชิงลึกและหลักการทางคณิตศาสตร์

พื้นฐานของการเรียนรู้เชิงลึกและหลักการทางคณิตศาสตร์

ส่วนที่ 3 บทนำสู่เครือข่ายประสาท

รู้เบื้องต้นเกี่ยวกับเครือข่ายประสาทหมายเหตุ: บทนี้จะล่มเมื่อเปิดโดยใช้ขอบของ Microsoft ในพื้นที่ โปรดเปิดใช้งาน Chrome Firefox เพื่อเปิดดู

ส่วนที่ 4 เครือข่ายประสาท Convolutional

เครือข่ายประสาท

ส่วนที่ 5 เครือข่ายประสาทกำเริบ

เครือข่ายประสาทกำเริบ

บทที่ 3 การปฏิบัติ

ส่วนที่ 1 การจำแนกประเภทไบนารีการถดถอยโลจิสติก

การจำแนกประเภทไบนารีการถดถอยโลจิสติก

ส่วนที่ 2 CNN: การจดจำตัวเลขที่เขียนด้วยลายมือของชุดข้อมูล MNIST

CNN: การจดจำตัวเลขที่เขียนด้วยลายมือของชุดข้อมูล MNIST

ส่วนที่ 3 RNN ตัวอย่าง: การทำนาย COS โดยบาป

อินสแตนซ์ RNN: การทำนาย COS โดยบาป

บทที่ 4 การปรับปรุง

ส่วนที่ 1 ปรับแต่ง

การปรับแต่ง

ส่วนที่ 2 การสร้างภาพข้อมูล

ความเป็นไปได้

tensorboardx

เข้าใจเครือข่ายประสาทของ Convolutional

ส่วนที่ 3 Fast.ai

Fast.ai

เคล็ดลับสำหรับการฝึกอบรมในส่วนที่ 4

ส่วนที่ 5 การฝึกอบรมแบบขนานหลาย GPU

การคำนวณแบบขนานหลาย GPU

บทความการแปลเพิ่มเติม: การใช้ DistributeDataparallel ใน pytorch สำหรับการฝึกอบรมแบบกระจายหลาย GPU

ใช้ distributedDataparallel ใน pytorch สำหรับการฝึกอบรมแบบกระจายหลาย GPU

บทที่ 5 แอปพลิเคชัน

ส่วนที่ 1 Kaggle บทนำ

รู้เบื้องต้นเกี่ยวกับ Kaggle

ส่วนที่ 2 ข้อมูลที่มีโครงสร้าง

Pytorch จัดการข้อมูลที่มีโครงสร้าง

ส่วนที่ 3 การมองเห็นคอมพิวเตอร์

การจำแนกรูปภาพของ Mnist แฟชั่น

ส่วนที่ 4 การประมวลผลภาษาธรรมชาติ

ส่วนที่ 5 การกรองความร่วมมือ

บทที่ 6 ทรัพยากร

ทอร์ชูดิโอ

บทที่ 7 ภาคผนวก

การรวบรวม Raspberry Pi และการติดตั้ง pytorch 1.4

สรุปการดำเนินการทั่วไปของการแปลง

สรุปฟังก์ชั่นการสูญเสียของ pytorch

สรุป Pytorch Optimizer

สคริปต์

ไดเรกทอรีสคริปต์เป็นสคริปต์ที่ฉันเขียนเพื่อแปลง IPYNB เป็นเวอร์ชันออนไลน์และไฟล์ PDF เนื่องจากยังอยู่ในขั้นตอนการทดสอบโปรดถามว่าคุณมีคำถามใด ๆ

ใบอนุญาต

งานนี้ได้รับใบอนุญาตภายใต้ Creative Commons Attribution-Non-Commercial-Share-Share 3.0 ข้อตกลงใบอนุญาตจีนแผ่นดินใหญ่