eat_pytorch_in_20_days
1.0.0
หนังสือเล่มนี้สันนิษฐานว่าผู้อ่านมีรากฐานบางอย่างในการเรียนรู้ของเครื่องจักรและการเรียนรู้อย่างลึกซึ้งและได้ใช้ keras หรือ tensorflow หรือ pytorch เพื่อสร้างแบบจำลองง่าย ๆ ที่ผ่านการฝึกอบรม
ชื่อเล่นเป็นเวอร์ชันวิดีโอของ "Eat That Pytorch ใน 20 วัน" ถูกลงชื่อเข้าใช้ Bilibili นักชิมเต็มไปด้วยหัวใจของพวกเขาเพื่อรสชาติที่บริสุทธิ์ที่สุดในท้องถิ่น เพื่อนใหม่และเพื่อนเก่ายินดีที่จะมาและลิ้มรสมัน ?!
https://www.bilibili.com/video/bv1ua411p7oe
หนังสือเล่มนี้เป็นหนังสืออ้างอิงเบื้องต้น Pytorch ที่เป็นมิตรกับผู้ใช้มนุษย์ อย่าให้ฉันคิดว่าเป็นการแสวงหาหนังสือเล่มนี้สูงสุด
หนังสือเล่มนี้รวบรวมและเขียนเป็นหลักโดยอ้างอิงจากเอกสาร Pytorch อย่างเป็นทางการและเอกสารฟังก์ชั่นเอกสารเอกสาร
แม้ว่าเอกสาร Pytorch อย่างเป็นทางการนั้นค่อนข้างกระชับและชัดเจน แต่หนังสือเล่มนี้ได้ทำการปรับให้เหมาะสมที่สุดในการเลือกโครงสร้างบทและตัวอย่างซึ่งดีกว่าในแง่ของความเป็นมิตรของผู้ใช้
หนังสือเล่มนี้ออกแบบเนื้อหาตามความยากลำบากของเนื้อหาพฤติกรรมการค้นหาผู้อ่านและโครงสร้างลำดับชั้นของ Pytorch ของตัวเองทีละขั้นตอนและระดับที่ชัดเจนทำให้สะดวกในการค้นหาตัวอย่างที่สอดคล้องกันตามฟังก์ชั่น
หนังสือเล่มนี้เรียบง่ายและมีโครงสร้างมากที่สุดเท่าที่จะทำได้ในการออกแบบตัวอย่างเพิ่มความสามารถในการอ่านและความหลากหลายของตัวอย่าง ตัวอย่างโค้ดส่วนใหญ่สามารถใช้นอกกรอบในทางปฏิบัติ
หากเป็นประมาณ 5 ถึง Master Pytorch ผ่านการเรียนรู้เอกสารอย่างเป็นทางการของ Pytorch ดังนั้นความยากลำบากในการเรียนรู้ Pytorch ผ่านหนังสือเล่มนี้ควรจะประมาณ 2
เฉพาะตัวเลขต่อไปนี้เปรียบเทียบความแตกต่างระหว่างเอกสาร Pytorch อย่างเป็นทางการและหนังสือ "Eat That Pytorch ใน 20 วัน"
1. แผนการศึกษา
หนังสือเล่มนี้เขียนโดยผู้เขียนโดยใช้เวลาว่างประมาณ 3 เดือนและผู้อ่านส่วนใหญ่ควรเรียนรู้ได้อย่างเต็มที่ภายใน 20 วัน
เวลาศึกษาที่คุณใช้ไปทุกวันคือระหว่าง 30 นาทีถึง 2 ชั่วโมง
แน่นอนว่าหนังสือเล่มนี้ยังเหมาะอย่างยิ่งสำหรับการอ้างอิงสำหรับคู่มือเครื่องมือ Pytorch เมื่อนำมาใช้เป็นห้องสมุดตัวอย่าง
คลิกชื่อเรื่องการเรียนรู้สีน้ำเงินเพื่อเข้าสู่บทนี้
| วันที่ | เนื้อหาการเรียนรู้ | ความยากลำบากในเนื้อหา | เวลาศึกษาโดยประมาณ | อัปเดตสถานะ |
|---|---|---|---|---|
| 1. กระบวนการสร้างแบบจำลอง Pytorch | 0 ชั่วโมง | |||
| วันที่ 1 | 1-1 ตัวอย่างกระบวนการสร้างแบบจำลองข้อมูลที่มีโครงสร้าง | 1 ชั่วโมง | ||
| วันที่ 2 | 1-2 ตัวอย่างกระบวนการสร้างภาพข้อมูลภาพ | 2hour | ||
| วันที่ 3 | 1-3 ตัวอย่างกระบวนการสร้างแบบจำลองข้อมูลข้อความ | 2hour | ||
| วันที่ 4 | 1-4 ตัวอย่างกระบวนการสร้างแบบจำลองข้อมูลอนุกรมเวลา | 2hour | ||
| 2. แนวคิดหลักของ pytorch | 0 ชั่วโมง | |||
| วันที่ 5 | 2-1, โครงสร้างข้อมูลเทนเซอร์ | 1 ชั่วโมง | ||
| วันที่ 6 | 2-2 กลไกการแตกต่างอัตโนมัติ | 1 ชั่วโมง | ||
| วันที่ 7 | 2-3 แผนภาพการคำนวณแบบไดนามิก | 2hour | ||
| 3. ลำดับชั้นของ Pytorch | 0 ชั่วโมง | |||
| วันที่ 8 | 3-1 การสาธิต API ลำดับต่ำ | 1 ชั่วโมง | ||
| วันที่ 9 | 3-2, การสาธิต API ระดับกลาง | 1 ชั่วโมง | ||
| วันที่ 10 | 3-3 การสาธิต API ขั้นสูง | 1 ชั่วโมง | ||
| 4. API ลำดับต่ำของ Pytorch | 0 ชั่วโมง | |||
| วันที่ 11 | 4-1 การทำงานเชิงโครงสร้างของเทนเซอร์ | 2hour | ||
| วันที่ 12 | 4-2, การดำเนินการทางคณิตศาสตร์ของเทนเซอร์ | 1 ชั่วโมง | ||
| วันที่ 13 | 4-3, nn.functional และ nn.module | 1 ชั่วโมง | ||
| 5. API กลางของ Pytorch | 0 ชั่วโมง | |||
| วันที่ 14 | 5-1, ชุดข้อมูลและ dataloader | 1 ชั่วโมง | ||
| วันที่ 15 | 5-2, เลเยอร์รุ่น | 2hour | ||
| วัน 166 | 5-3, ฟังก์ชั่นการสูญเสีย | 1 ชั่วโมง | ||
| วันที่ 17 | 5-4 การสร้างภาพเทนซอร์บอร์ด | 1 ชั่วโมง | ||
| 6. API ขั้นสูงของ Pytorch | 0 ชั่วโมง | |||
| วัน 18 | 6-1, 3 วิธีในการสร้างแบบจำลอง | 0.5 ชั่วโมง | ||
| วันที่ 19 | 6-2, 3 วิธีในการฝึกอบรมแบบจำลอง | 1 ชั่วโมง | ||
| วันที่ 20 | 6-3 ใช้ GPU เพื่อฝึกอบรมแบบจำลอง | 1 ชั่วโมง | ||
| - | Postscript: มุมมองผลิตภัณฑ์ของฉัน | 0 ชั่วโมง |
2. สภาพแวดล้อมการเรียนรู้
ซอร์สโค้ดทั้งหมดของหนังสือเล่มนี้เขียนใน Jupyter และผ่านการทดสอบ ขอแนะนำให้โคลนในพื้นที่ผ่าน Git และเรียกใช้การเรียนรู้แบบโต้ตอบใน Jupyter
ขั้นตอนที่ 1: โคลนซอร์สโค้ดของหนังสือเล่มนี้ไปยังพื้นที่ท้องถิ่นใช้คลังสินค้า Code Cloud Mirror เพื่อดาวน์โหลดได้เร็วขึ้นในประเทศจีน
git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days
STEP2: อัลกอริทึมบัญชีอย่างเป็นทางการบ้านอาหาร ตอบคำหลัก: pytorch , รับแพ็คเกจการบีบอัดชุดข้อมูลที่ใช้ในโครงการนี้ EAT_PYTORCH_DATASETS.ZIP BAIDU คลาวด์ดิสก์ดาวน์โหลดลิงค์ดาวน์โหลดและคลายและย้ายไปที่เส้นทาง EAT_PYTORCH_IN_20_DAYS ประมาณ 160 เมตร
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
เหมาะสำหรับนักเรียนที่สนใจในสาขาคำแนะนำการโฆษณาและต้องการขั้นสูง?
| วันที่ | เนื้อหาการเรียนรู้ | ความยากลำบากในเนื้อหา | เวลาศึกษาโดยประมาณ | อัปเดตสถานะ |
|---|---|---|---|---|
| 7. คำแนะนำ Pytorch และการโฆษณา | 0 ชั่วโมง | |||
| วันที่ 1 | 7-1 ธุรกิจอัลกอริทึมที่แนะนำ | 0.5 ชั่วโมง | ||
| วันที่ 2 | 7-2 ธุรกิจอัลกอริทึมการโฆษณา | 0.5 ชั่วโมง | ||
| วันที่ 3 | 7-3, รุ่น FM | 1 ชั่วโมง | ||
| วันที่ 4 | 7-4 รุ่น DeepFM | 1 ชั่วโมง | ||
| วันที่ 5 | 7-5 รุ่น Fibinet | 2hour | ||
| วันที่ 6 | 7-6, Deepcross Model | 2hour | ||
| วันที่ 7 | 7-7, เครือข่าย DIN | 2hour | ||
| วันที่ 8 | 7-8, Dien Network | 2hour |
รู้เบื้องต้นเกี่ยวกับเครื่องมือต่อพ่วงบางอย่างที่เกี่ยวข้องกับ Pytorch
| วันที่ | เนื้อหาการเรียนรู้ | ความยากลำบากในเนื้อหา | เวลาศึกษาโดยประมาณ | อัปเดตสถานะ |
|---|---|---|---|---|
| Easter Egg: Pytorch อุปกรณ์ต่อพ่วง | 0 ชั่วโมง | |||
| วันที่ 1 | A-1, Kaggle ฟรีคู่มือการใช้งาน GPU | 1 ชั่วโมง | ||
| วันที่ 2 | A-2, Streamlit สร้างแอปพลิเคชันการเรียนรู้ของเครื่อง | 1 ชั่วโมง | ||
| วันที่ 3 | A-3 ใช้ชิป Mac M1 เพื่อเร่ง Pytorch | 1 ชั่วโมง | ||
| วันที่ 4 | A-4, Optuna Visual Adjustment Magic Magic Guide | 1 ชั่วโมง | ||
| วันที่ 5 | A-5, Gradio ทำให้รูปแบบการเรียนรู้ของเครื่องเซ็กซี่ | 1 ชั่วโมง | ||
| วันที่ 6 | A-6, Wandb Model Visual Analysis | 0.5 ชั่วโมง | ||
| วันที่ 7 | A-7, การสร้างภาพโมเดล WANDB และการปรับพารามิเตอร์อัตโนมัติ | 1 ชั่วโมง |
รหัสบทที่เกี่ยวข้องได้รับการปรับให้เหมาะสมและปรับให้เหมาะสม
| การทำงาน | การสนับสนุนที่มั่นคงสำหรับเวอร์ชันเริ่มต้น | ขึ้นอยู่กับหรือยืมห้องสมุด |
|---|---|---|
| ✅บาร์ความคืบหน้าการฝึกอบรม | 3.0.0 | พึ่งพา TQDM เรียนรู้จาก Keras |
| ✅ตัวชี้วัดการประเมินผลการฝึกอบรม | 3.0.0 | ภาพวาดบน pytorch_lightning |
| ✅การฝึกอบรมในสมุดบันทึกมาพร้อมกับการสร้างภาพข้อมูล | 3.8.0 | ดึงจาก Fastai |
| ✅หยุดก่อน | 3.0.0 | วาดบน keras |
| ✅การฝึกอบรม GPU | 3.0.0 | ขึ้นอยู่กับการเร่งความเร็ว |
| ✅การฝึกอบรมหลาย GPU (DDP) | 3.6.0 | ขึ้นอยู่กับการเร่งความเร็ว |
| ✅การฝึกอบรม FP16/BF16 | 3.6.0 | ขึ้นอยู่กับการเร่งความเร็ว |
| tensorboard โทรกลับ | 3.7.0 | ขึ้นอยู่กับ Tensorboard |
| ✅การโทรกลับ WANDB | 3.7.0 | ขึ้นอยู่กับ Wandb |
สำหรับรายละเอียดโปรดดูลิงค์โครงการ :: https://github.com/lyhue1991/torchkeras
หากหนังสือเล่มนี้เป็นประโยชน์กับคุณฉันอยากจะสนับสนุนผู้เขียนอย่าลืมเพิ่มดาวให้กับโครงการนี้และแบ่งปันกับเพื่อนของคุณ!
หากคุณมีคำถามหรือข้อเสนอแนะเกี่ยวกับเนื้อหาของหนังสือเล่มนี้คุณสามารถตอบกลับคำหลักในแบ็กเอนด์ของบัญชีอย่างเป็นทางการ "อัลกอริทึมอาหารบ้าน": เข้าร่วมกลุ่ม และเข้าร่วมกลุ่มผู้อ่านแลกเปลี่ยนเพื่อพูดคุยกับทุกคน
