PyTorch Tutorial 2nd
v1.0.0-PD
時隔5年，歷時4年，耗時2年的《PyTorch實用教程》（第二版）完成了。在第一版的精華之上，增加了豐富詳實的深度學習應用案例和推理部署框架，使本書更系統性的涵蓋深度學習工程師所涉及的知識面。如人工智能技術發展一浪接一浪，《Pytorch實用教程》（第二版）不是結束，而是再次揚帆起航，開啟新的技術、新的領域、新的篇章，希望未來能繼續與大家一起在人工智能技術裡學習、進步。
在線閱讀（開源免費）：《PyTorch實用教程》（第二版）
配套代碼（開源免費）：《PyTorch實用教程》（第二版）
???：請點個Star ，予以鼓勵！
本項目已被HelloGitHub 社區收錄，已加入HelloGitHub 徽章計劃
本書以基礎概念為基石，計算機視覺、自然語言處理和大語言模型為核心，推理部署框架為橋樑，皆在為讀者提供面向項目落地的代碼工程與理論講解。本書整體分三部分，上篇：入門，中篇：應用，下篇：落地。
PyTorch基礎。針對剛入門、非科班、本科生，提供PyTorch介紹，講解開發環境的搭建，介紹PyTorch的數據、模型、優化、可視化等核心模塊，最後利用所講解的PyTorch知識點構建一套自己的代碼結構，為後續的應用打下基礎。
產業應用。經過上篇，磨了一把好刀，接下來就用它在各領域上大顯身手。將會講解三個主題，分別是計算機視覺（Computer Vision）、自然語言處理（Natural Language Processing）和大語言模型（Large Language Model）。
-
在CV章節，包括主流的任務，有圖像分類、圖像分割、目標檢測、目標跟踪、GAN生成、Diffusion生成、圖像描述和圖像檢索八大任務。
-
在NLP章節，包括RNN、LSTM、Transformer、BERT和GPT模型詳解與應用，應用的任務有文本分類、機器翻譯、命名體識別、QA問答和文章生成五大任務。
-
在LLM章節，包括4個LLM部署與代碼分析和一個LLM行業應用—— GPT Academic（GPT 學術優化） ，LLM包括國內開源的四大主流模型， Qwen、ChatGLM、Baichuan和Yi 。
工業落地。有了工具，有了場景，接下來就要讓它產生價值，變成可用的、好用的算法服務。因此，從pytorch這樣一個訓練框架、重框架中剝離出來進行部署、加速、量化是常見的方法。本章將介紹ONNX和TensorRT的原理與使用，同時藉助TensorRT詳細分析模型量化概念、 PTQ和QAT量化實戰與原理。
相信經過上、中、下篇的學習，可以幫助入門的同學少走很多彎路，快速掌握PyTorch，具備獨當一面的能力，能依據實際場景選擇算法模型，可以將模型部署應用，形成閉環，全流程打通。
結構清晰：全書分為三部分：上篇（入門）、中篇（應用）、下篇（落地），逐步引導讀者深入學習。
理論與實踐結合：不僅提供理論講解，還通過豐富的項目案例，讓讀者能夠將理論應用於實踐。
實戰案例豐富：提供了計算機視覺、自然語言處理和大語言模型等多個領域的實戰案例。
系統性覆蓋：涵蓋PyTorch基礎、計算機視覺基礎任務、自然語言處理基礎任務、大語言模型基礎、推理部署框架。
適用性廣：適合AI自學者、AI產品經理、在校學生以及跨領域人士閱讀，滿足不同背景和需求的讀者。
為增強讀者閱讀氛圍，提供交流途徑，特地建立了QQ交流群。
為保證群內交流質量，入群需要密碼，密碼獲取，請查看代碼
近期會在群內分享最新技術文章，包括CV項目實戰，LLM推理部署，RAG系統等前沿科技，歡迎加入技術交流。
一群：671103375 (已滿)
二群：773031536 (已滿）
三群：514974779 (已滿）
四群：854620826
本作品採用知識共享署名-非商業性使用4.0 國際許可協議進行許可。
停更記錄：
| 日期 | 進度 | 停更原因 | 停更時間 |
|---|---|---|---|
預計要到11月可以繼續 | |||
