原文链接
作者关于Tensorflow的学习资料

PyTorch深度学习:60分钟快速入门(官网翻译)

“PyTorch深度学习:60分钟快速入门”为PyTorch官网教程,网上已经有部分翻译作品.
点击进入官网学习
作者本人对教程进行了翻译,且PyTorch库也在不断地进行更新,所以原文作者也在不断更新.作者测试了官方代码以后,制作成了Jupyter Notebook文件(带有中文注释)在Gitug中公布,作者翻译地址.

学习目标

  • 在高层次上理解PyTorch的张量(Tensor)库和神经网络
  • 训练一个小型神经网络对图像进行分类

注意:务必确认已经安装了torch和torchvision两个包

目录

  1. PyTorch是什么?
  2. AUTOGRAD
  3. 神经网络
  4. 训练一个分类器
  5. 数据并行

    PyTorch中文手册(pytorch handbook)

    资源地址

    中文手册
    这是一本开源的书籍,目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门.里面的ipynb代码非常全面.

    资源目录

  • 第一章:PyTorch入门
    • 1.1:PyTorch简介
    • 1.2:PyTorch环境搭建
    • 1.3:PyTorch深度学习:60分钟快速入门(官方)
    • 1.4:相关资源介绍
  • 第二章:基础
    • 2.1:PyTorch基础
    • 2.2:深度学习基础及数学原理
    • 2.3:神经网络简介
    • 2.4:卷积神经网络
    • 2.5:循环神经网络
  • 第三章:实践
    • 3.1:logistic回归
    • 3.2:MNIST数据集手写数字识别
    • 3.3:RNN实例:通过Sin预测Cos
  • 第四章:提高
    • 4.1:Fine-tuning
    • 4.2:可视化
    • 4.3:Fast.ai
    • 4.4:多GPU并行训练

  • 第五章:应用

    • 5.1:Kaggle介绍
    • 5.2:结构化数据
    • 5.3:计算机视觉
    • 5.4:自然语言处理

      PyTorch教程

      资源地址

      PyTorch教程

      资源介绍

      这个资源为深度学习研究人员提供了学习PyTorch的教程代码大多数模型都使用<30行代码的实现.在开始本教程之前,建议先看完PyTorch官方教程.(大部分教程是用PyTorch0.4实现的,不过问题不大)

      配置环境

      Python2.7或者3.5以上,PyTorch0.4

      资源目录

  • 1.基础知识

    • PyTorch基础知识
    • 线性回归
    • Logistic回归
    • 前馈神经网络
  • 2.中级
    • 卷积神经网络
    • 深度残差网络
    • 递归神经网络
    • 双向递归神经网络
    • 语言模型(RNN-LM)

  • 3.高级

    • 生成性对抗网络
    • 变分自动编码器
    • 神经风格转移
    • 图像字幕(CNN-RNN)

      PyTorch官方教程

      去年 11 月，PyTorch 官方发布权威 PyTorch 教程书籍《Deep Learning with PyTorch》，但遗憾的是当时这本书只有前五章内容免费。现在，经过更新迭代后，PyTorch 终于发布了该书的免费版本。还不快来学？ 书籍地址：https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf
      PyTorch 是当前最热的深度学习框架之一。自 2016 年诞生以来，PyTorch 迅速发展，成为广受开发者和研究人员喜爱的框架。根据最近的一项统计，在 ICLR 2020 和 CVPR 2020 会议中，使用 PyTorch 的论文数远超 TensorFlow，研究人员对 PyTorch 的偏爱程度进一步加深。
      然而，PyTorch 直到去年 11 月才提供官方权威的 PyTorch 教程书籍《Deep Learning with PyTorch》，且只有前五个章节的内容免费可看。
      最近，PyTorch 官方终于放出了该书 V3.6.8 版本的全部内容。全书约 500 页，包含 15 个章节，内容详实，图文并茂。
      这本书为使用 PyTorch 构建和训练神经网络提供了详细且易于上手的教程，使用的编程语言为 Python。

      这本 PyTorch 官方书籍讲了些什么

      《Deep Learning with PyTorch》一书涵盖了 PyTorch 核心知识、真实示例和部署教程这三部分内容，全书的主要内容包括：

  • 深度学习和 PyTorch 简介

  • 预训练模型
  • 张量
  • 学习的机制
  • 使用神经网络拟合数据
  • 使用卷积执行泛化
  • 现实示例：构建用于癌症检测的神经网络
  • 部署到生产环境

详细目录如下所示：
💊 PyTorch学习 - 图1

书籍特点：图文并茂，代码丰富

这本书的主要特点是：图文并茂，简单易懂，案例和代码块丰富。
该书一改往日教程或教科书刻板的风格，书中随处可见的插图令人印象深刻，还包括大量手绘插图。
例如，下图展示了 PyTorch 使用 autograd 进行计算时的模型前向图和后向图：
💊 PyTorch学习 - 图2
而在介绍神经网络的计算过程时，这本书不惜用公式 + 手绘流程图 + 插图的形式，力求将整个抽象过程进行简洁地说明。
💊 PyTorch学习 - 图3
此外，该书具备配套代码，且书中案例和代码块随处可见。
配套代码地址：

书中的大量代码块可以帮助读者边看书边写代码，很多代码都会有如下类似的「脚注」说明。
💊 PyTorch学习 - 图4
设计训练循环的代码块示例。
除此之外，该书还有讨论论坛：
https://livebook.manning.com/#!/book/deep-learning-with-pytorch/discussion。