Deep Tutorials for PyTorch
1.0.0
这是我写的一系列深入的教程，用于使用令人惊叹的Pytorch图书馆独自实施凉爽的深度学习模型。
假定Pytorch和神经网络的基础知识。
如果您是Pytorch的新手，请首先使用Pytorch阅读深度学习：60分钟的闪电战和学习示例的Pytorch。
2023年4月24日：我刚刚完成了超分辨率和变形金刚教程。
2023年12月9日：对国际象棋或变形金刚感兴趣？查看国际象棋变形金刚。
在每个教程中，我们将通过实施研究论文的模型来关注特定的应用或感兴趣领域。
| 应用 | 纸 | 教程 | 也学习 | 地位 |
|---|---|---|---|---|
| 图像字幕 | 展示，参加并告诉 | 图像字幕的Pytorch教程 | •编码器架构 • 注意力 •转移学习 •光束搜索 | ？ 完全的 |
| 序列标记 | 使用任务感知神经语言模型授权序列标签 | 序列标记的Pytorch教程 | •语言模型 •字符rnns •多任务学习 •有条件的随机字段 •Viterbi解码 •高速公路网络 | ？ 完全的 |
| 对象检测 | SSD：单镜头多伯克斯检测器 | 一个pytorch教程，用于对象检测 | •单发检测 •多尺度功能地图 •先生 •Multbox •硬采矿 •非最大抑制作用 | ？ 完全的 |
| 文本分类 | 文档分类的分层注意力网络 | 文本分类的Pytorch教程 | •分层关注 | ？ 代码完成 |
| 超分辨率 | 使用生成对抗网络的照片真实的单图像超分辨率 | 高分辨率的Pytorch教程 | •甘斯- 这也是gan教程 •剩余连接 •子像素卷积 •感知损失 | ？ 完全的 |
| 机器翻译 | 注意就是您所需要的 | 变压器的Pytorch教程 | •变压器 •多头关注 •位置嵌入 •编码器架构 •字节对编码 •光束搜索 | ？ 完全的 |
| 语义细分 | Segformer：使用变压器的语义分割的简单有效设计 | 语义分段的pytorch教程 | N/A。 | ？ 计划 |
