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)
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
作者:Soumith Chintala
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
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)
机器学习初学者
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。
往期精彩回顾
那些年做的学术公益-你不是一个人在战斗
良心推荐:机器学习入门资料汇总及学习建议
吴恩达机器学习课程笔记及资源(github标星12000+,提供百度云镜像)
吴恩达深度学习笔记及视频等资源(github标星8500+,提供百度云镜像)
《统计学习方法》的python代码实现(github标星7200+)
精心整理和翻译的机器学习的相关数学资料
首发:深度学习入门宝典-《python深度学习》原文代码中文注释版及电子书
图解word2vec(原文翻译)
备注:加入本站微信群或者qq群,请回复“加群”
加入知识星球(4200+用户,ID:92416895),请回复“知识星球”
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场,不承担相关法律责任。如若转载,请注明出处。 如若内容造成侵权/违法违规/事实不符,请点击【内容举报】进行投诉反馈!