PyTorchDocs

การแนะนำ

กรอบการเรียนรู้ที่ลึกล้ำที่นักวิจัยใช้ในปัจจุบันนั้นแตกต่างกันรวมถึง Tensorflow, Pytorch, Keras ฯลฯ กรอบการเรียนรู้ลึกเหล่านี้ถูกนำไปใช้ในสาขาต่าง ๆ เช่นการมองเห็นคอมพิวเตอร์การรู้จำเสียงการประมวลผลภาษาธรรมชาติและชีวสารสนเทศศาสตร์และได้ผลลัพธ์ที่ยอดเยี่ยม ในหมู่พวกเขา Pytorch เป็นกรอบที่เรียบง่ายสง่างามมีประสิทธิภาพและรวดเร็ว ในบรรดาเฟรมเวิร์กโอเพ่นซอร์สในปัจจุบันไม่มีเฟรมเวิร์กสามารถเกิน Pytorch ในเวลาเดียวกันในแง่ของความยืดหยุ่นความสะดวกในการใช้งานและความเร็ว

เอกสารนี้อยู่ในตำแหน่งที่เป็นบทช่วยสอนเริ่มต้นสำหรับ Pytorch โดยมุ่งเน้นไปที่นักเรียนหรือผู้ที่ชื่นชอบการเรียนรู้อย่างลึกซึ้งที่ต้องการเรียนรู้ Pytorch จากการศึกษาบทช่วยสอนคุณสามารถเรียนรู้อย่างลึกซึ้งกับมูลนิธิเป็นศูนย์ลดความยากลำบากในการเรียนรู้ด้วยตนเองและเรียนรู้ Pytorch อย่างรวดเร็ว

บทช่วยสอนอย่างเป็นทางการรวมถึงบทแนะนำเกี่ยวกับ Pytorch และบทช่วยสอนการติดตั้ง; บทช่วยสอนการเริ่มต้นอย่างรวดเร็ว 60 นาทีซึ่งสามารถกรอกแบบจำลองจําแนกจากเวทีมือใหม่ได้อย่างรวดเร็ว โมเดลที่ใช้กันทั่วไปสำหรับการมองเห็นคอมพิวเตอร์ซึ่งสะดวกสำหรับการปรับตามข้อมูลของคุณเองและไม่ต้องการการเขียนจากศูนย์อีกต่อไป รูปแบบการประมวลผลภาษาธรรมชาติ, chatbots, การสร้างข้อความและโครงการที่มีชีวิตชีวาและน่าสนใจอื่น ๆ

ทั้งหมดในทั้งหมด:

• หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ Pytorch คุณสามารถดูส่วนบทนำได้
• หากคุณต้องการเริ่มต้นอย่างรวดเร็วด้วย Pytorch คุณสามารถดู 60 นาทีเพื่อเริ่มต้น
• หากคุณต้องการแก้ปัญหาการมองเห็นคอมพิวเตอร์คุณสามารถดูส่วนการมองเห็นคอมพิวเตอร์
• หากคุณต้องการแก้ปัญหาการประมวลผลภาษาธรรมชาติคุณสามารถเห็นส่วน NLP
• นอกจากนี้ยังมีเนื้อหาบางอย่างของการเรียนรู้การเสริมแรงและเครือข่ายที่เกิดจากการกำเนิด

Pytorch เอกสารวิดีโออย่างเป็นทางการมีให้บริการออนไลน์บนสถานี B

https://www.bilibili.com/video/bv1gs4y1f71q/

คอลเลกชัน https://github.com/fendouai/pytorchvideo

ผู้แต่ง: Pytorchina Pytorch Translation Team: News & Panchuang

ข้อความต้นฉบับ: https://pytorch.org/tutorials/

สารบัญ

บทที่ 1: บทนำและดาวน์โหลด Pytorch

1. บทนำสู่ Pytorch

2. การก่อสร้างสิ่งแวดล้อม

บทที่ 2: เริ่มต้นด้วย Pytorch: 60 นาที

1. เริ่มต้นด้วย pytorch

2. ความแตกต่างอัตโนมัติ

3. Pytorch Neural Network

4. ตัวแยกประเภทภาพ

5. การประมวลผลข้อมูลแบบขนานของข้อมูล

บทที่ 3: บทนำสู่ Pytorch

1. การโหลดข้อมูลและการประมวลผล

2. การทดสอบ pytorch

3. การถ่ายโอนการเรียนรู้

4. การปรับใช้รุ่น SEQ2SEQ สำหรับไฮบริด front-end

5. บันทึกและโหลดโมเดล

บทที่ 4: ภาพของ Pytorch

1. ปรับแต่งแบบจำลองการตรวจจับวัตถุตาม Torchvision 0.3

2. ปรับแต่งรุ่น Torchvision

3. เครือข่ายเครื่องแปลงอวกาศ

4. ใช้ pytorch สำหรับการถ่ายโอนประสาท

5. สร้างตัวอย่างการเผชิญหน้า

6. ใช้ ONNX เพื่อถ่ายโอนโมเดลไปยัง Caffe2 และมือถือ

บทที่ 5: ข้อความของ Pytorch

1. การสอน Chatbot

2. ใช้ RNN ระดับอักขระเพื่อสร้างชื่อ

3. ใช้ RNN ระดับอักขระสำหรับการจำแนกชื่อ

4. ใช้ pytorch ในการเรียนรู้ลึกและ NLP

5. ใช้ Sequence2Sequence Network และความสนใจในการแปล

บทที่ 6: การสร้างและเครือข่ายฝ่ายตรงข้ามของ Pytorch

1. เครือข่ายฝ่ายตรงข้ามกำเนิด

บทที่ 7: การเรียนรู้เสริมแรงของ Pytorch

1. การเรียนรู้การเสริมแรง (DQN)

คำแนะนำการสอน

• Pytorch บทแนะนำบทแนะนำ

http://pytorchina.com

• Panchuang AI Chatbot, บริการลูกค้าอัจฉริยะ:

http://www.panchangai.com/

• เว็บไซต์สอน Panchuang, Tensorflow, Pytorch, Keras:

http://panchang.net/

• ภาพกราฟความรู้ทางอินเทอร์เน็ตภาพวิเศษระบบ: ระบบคำแนะนำ:

http://motuhulian.com

เนื่องจากนักแปลระดับ จำกัด หากมีการละเว้นใด ๆ โปรดส่ง PR