practical pytorch

这些教程已合并到官方的Pytorch教程中。请去那里，以获取与较新版本的Pytorch兼容的这些教程的更好的版本。

---

通过基于项目的教程学习Pytorch。这些教程通过可读的代码演示了现代技术，并使用来自Internet的常规数据。

教程

系列1：NLP的RNN

从分类到世代，将经常性的神经网络应用于自然语言任务。

• 将名称与字符级别的RNN分类
• 用角色级RNN生成莎士比亚
• 用条件角色级RNN生成名称
• 带有序列的翻译到序列网络和注意力
• 用手套探索词向量
• WIP情绪分析带有单词级别的RNN和手套嵌入

系列2：rnns for timeseries数据

• WIP通过RNN预测离散事件

开始

在Fresh Linux或Mac机器上运行这些的最快方法是安装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

然后安装pytorch：

 conda install pytorch -c soumith

然后克隆此仓库，然后启动Jupyter笔记本：

 git clone http://github.com/spro/practical-pytorch
cd practical-pytorch
jupyter notebook

推荐阅读

Pytorch基础知识

• http://pytorch.org/用于安装说明
• 有关更多教程的官方pytorch教程（其中包括其中一些教程）
• 与Pytorch进行深度学习：一般可以从Pytorch开始的60分钟闪电战
• 如果您是以前的Lua Torch用户，则对以前的火炬介绍
• JCJOHNSON的PYTORCH示例更深入概述（包括自定义模块和Autograd功能）

复发性神经网络

• 经常性神经网络的不合理效力显示了许多现实生活中的例子
• 深度学习，NLP和表示NLP单词嵌入和RNN的概述的表示
• 了解LSTM网络是针对LSTMS专门起作用的，但总体上也提供有关RNN的信息

机器翻译

• 使用RNN编码器解码器进行统计机器翻译的学习短语表示
• 通过神经网络序列学习的顺序

注意模型

• 神经机器翻译通过共同学习对齐和翻译
• 基于注意力的神经机器翻译的有效方法

其他RNN使用

• 神经对话模型

其他Pytorch教程

• pytorch中NLP的深度学习

反馈

如果您有想法或发现错误，请留下便条。