practical pytorch

這些教程已合併到官方的Pytorch教程中。請去那裡，以獲取與較新版本的Pytorch兼容的這些教程的更好的版本。

---

通過基於項目的教程學習Pytorch。這些教程通過可讀的代碼演示了現代技術，並使用來自Internet的常規數據。

教程

系列1：NLP的RNN

從分類到世代，將經常性的神經網絡應用於自然語言任務。

• 將名稱與字符級別的RNN分類
• 用角色級RNN生成莎士比亞
• 用條件角色級RNN生成名稱
• 帶有序列的翻譯到序列網絡和注意力
• 用手套探索詞向量
• WIP情緒分析帶有單詞級別的RNN和手套嵌入

系列2：rnns for timeseries數據

• WIP通過RNN預測離散事件

開始

在Fresh Linux或Mac機器上運行這些的最快方法是安裝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

然後安裝pytorch：

 conda install pytorch -c soumith

然後克隆此倉庫，然後啟動Jupyter筆記本：

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

推薦閱讀

Pytorch基礎知識

• http://pytorch.org/用於安裝說明
• 有關更多教程的官方pytorch教程（其中包括其中一些教程）
• 與Pytorch進行深度學習：一般可以從Pytorch開始的60分鐘閃電戰
• 如果您是以前的Lua Torch用戶，則對以前的火炬介紹
• JCJOHNSON的PYTORCH示例更深入概述（包括自定義模塊和Autograd功能）

復發性神經網絡

• 經常性神經網絡的不合理效力顯示了許多現實生活中的例子
• 深度學習，NLP和表示NLP單詞嵌入和RNN的概述的表示
• 了解LSTM網絡是針對LSTMS專門起作用的，但總體上也提供有關RNN的信息

機器翻譯

• 使用RNN編碼器解碼器進行統計機器翻譯的學習短語表示
• 通過神經網絡序列學習的順序

注意模型

• 神經機器翻譯通過共同學習對齊和翻譯
• 基於注意力的神經機器翻譯的有效方法

其他RNN使用

• 神經對話模型

其他Pytorch教程

• pytorch中NLP的深度學習

回饋

如果您有想法或發現錯誤，請留下便條。