0
点赞
收藏
分享

微信扫一扫

带你少走弯路:强烈推荐的Pytorch快速入门资料和翻译(可下载)


上次写了TensorFlow的快速入门资料,受到很多好评,读者强烈建议我出一个pytorch的快速入门路线,经过翻译和搜索网上资源,我推荐3份入门资料,希望对大家有所帮助。

备注:​​TensorFlow的快速入门资料​​

很负责任地说:看完这些资料,Pytorch基本入门了,接下来碰到问题能自己查资料解决了!(本文作者:黄海广)

带你少走弯路:强烈推荐的Pytorch快速入门资料和翻译(可下载)_github

推荐资料

1.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,随着PyTorch1.0版本的公布,这个教程有较大的代码改动,本人对教程进行重新翻译,并测试运行了官方代码,制作成Jupyter Notebook文件(中文注释)在github予以公布。

本文内容较多,可以在线学习,如果需要本地调试,请到github下载:

​​https://github.com/fengdu78/Data-Science-Notes/tree/master/8.deep-learning/PyTorch_beginner​​

此教程为翻译官方地址:

​​https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html​​

本教程的目标:

  • 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
  • 本教程假设您对numpy有基本的了解

注意:务必确认您已经安装了 torch 和 torchvision 两个包。

目录

  • 一、Pytorch是什么?
  • 二、AUTOGRAD
  • 三、神经网络
  • 四、训练一个分类器
  • 五、数据并行

带你少走弯路:强烈推荐的Pytorch快速入门资料和翻译(可下载)_github_02

图:翻译截图

2.PyTorch 中文手册(pytorch handbook)(github标星7900+)

资源地址:

​​https://github.com/zergtant/pytorch-handbook​​

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。我试了一下里面的ipynb代码,非常全面,值得推荐。

资源目录:

第一章 :PyTorch入门

第一节 PyTorch 简介

第二节 PyTorch 环境搭建

第三节 PyTorch 深度学习:60分钟快速入门(官方)

张量

Autograd:自动求导

神经网络

训练一个分类器

选读:数据并行处理(多GPU)

4.相关资源介绍

第二章 : 基础

第一节 PyTorch 基础

张量

自动求导

神经网络包nn和优化器optm

数据的加载和预处理

第二节 深度学习基础及数学原理

深度学习基础及数学原理

第三节 神经网络简介

神经网络简介

第四节 卷积神经网络

卷积神经网络

第五节 循环神经网络

循环神经网络

第三章 : 实践

第一节 logistic回归

logistic回归二元分类

第二节 CNN:MNIST数据集手写数字识别

CNN:MNIST数据集手写数字识别

第三节 RNN实例:通过Sin预测Cos

RNN实例:通过Sin预测Cos

第四章 : 提高

第一节 Fine-tuning

Fine-tuning

第二节 可视化

visdom

tensorboardx

可视化理解卷积神经网络

第三节 Fast.ai

Fast.ai

第五节 多GPU并行训练

多GPU并行计算

第五章 : 应用

第一节 Kaggle介绍

Kaggle介绍

第二节 结构化数据

第三节 计算机视觉

第四节 自然语言处理

3.Pytorch教程(github标星13600+

资源地址:

​​https://github.com/yunjey/pytorch-tutorial​​

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少于30行代码实现。在开始本教程之前,建议先看完Pytorch官方教程。(大部分教程是PyTorch0.4实现的,代码与1.0+稍微有点不同,总体影响不大)

配置环境:

python 2.7或者3.5以上,pytorch 0.4

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)

4.工具

  • PyTorch中的TensorBoard

暂时想到这么多,欢迎留言补充。(黄海广)

带你少走弯路:强烈推荐的Pytorch快速入门资料和翻译(可下载)_github_03

机器学习初学者

带你少走弯路:强烈推荐的Pytorch快速入门资料和翻译(可下载)_github_04

黄海广博士创建的公众号,黄海广博士个人知乎粉丝22000+,github排名全球前120名(31000+)。本公众号致力于人工智能方向的科普性文章,为初学者提供学习路线和基础资料。原创作品有:吴恩达机器学习个人笔记、吴恩达深度学习笔记等。

举报

相关推荐

0 条评论