带你少走弯路：强烈推荐的Pytorch快速入门资料和翻译（可下载）

最新推荐文章于 2023-05-24 12:05:26 发布
最新推荐文章于 2023-05-24 12:05:26 发布
阅读量413 收藏 4
点赞数 1

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）

人工智能常识和干货，适合收藏

《统计学习方法》(李航)读书笔记(完结)

良心推荐：机器学习入门资料汇总及学习建议

网红少年编程书，AI自学不再难

【B站免费教程】2W 收藏！火爆 B 站的计算机科学速成教程发布，全中文版

良心推荐：机器学习入门资料汇总及学习建议（2018版）

机器学习必备宝典-《统计学习方法》的python代码实现、电子书及课件

软件下载和Python，AI，资料

【送书PDF】Python编程从入门到实践

Python从入门到精通，深度学习与机器学习资料大礼包！

【免费】某机构最新3980元机器学习/大数据课程高速下载，限量200份

长按扫码撩海归

   觉得不错， 请随意转发，麻烦点个在看！

湾区人工智能
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
六款好用的Python IDE
weixin_33713503的博客
11-02 5618
“工欲善其事，必先利其器”，如果说编程是程序员的手艺，那么IDE就是程序员吃饭的家伙了。 一个优秀的IDE，最重要的就是在普通文本编辑之外，提供针对特定语言的各种快捷编辑功能，让程序员尽可能快捷、舒适、清晰的浏览、输入、修改代码。对于一个现代的IDE来说，语法着色、错误提示、代码折叠、代码完成、代码块定位、重构，与调试器、版本控制系统(C...
pytorch-book:《神经网络和PyTorch的应用》一书的源代码
05-04
神经网络与PyTorch实战 世界上第一本 PyTorch 1 纸质教程书籍 本书讲解神经网络设计与 PyTorch 应用。 全书分为三个部分。 第 1 章和第 2 章：厘清神经网络的概念关联，利用 PyTorch 搭建迷你 AlphaGo，使你初步了解神经网络和 PyTorch。 第 3～9 章：讲解基于 PyTorch 的科学计算和神经网络搭建，涵盖几乎所有 PyTorch 基础知识，涉及所有神经网络的常用结构，并通过 8 个例子使你完全掌握神经网络的原理和应用。 第 10 章和第 11 章：介绍生成对抗网络和增强学习，使你了解更多神经网络的实际用法。 在线阅读： 勘误列表： 本书中介绍的PyTorch的安装方法已过时。PyTorch安装方法（2020年12月更新）： Application of Neural Network and PyTorch The First Hard-co
pycharm搭建yolo3-pytorch-master的pytorch环境
Hui_Wang5806的博客
01-13 1942
yolo3-pytorch-master源码下载地址：GitHub - bubbliiiing/yolo3-pytorch: 这是一个yolo3-pytorch的源码，可以用于训练自己的模型。 首先安装anaconda和pycharm软件，网络上相关博客很多，都可以参考。 然后在pycharm中打开yolo3-pytorch-master项目，在右下方的环境中单击选择Add Interpreter...选项，在弹出的界面上选择Conda Environment，在右边选择环境存储位置，一般是anacon
pytorch 文档网页离线 HTML and PDF
wendell 的博客
03-06 3819
Pytorch 文档离线与PDF制作 pytorch document offline and make PDF version引言下载文件安装必备软件编译生成离线网站编译生成LateXPDF提供本人百度云下载链接结语 引言 因工作需要时常查看pytorch官方文档, 受限于网络等各方面原因，访问速度欠佳。所以尝试离线下载整个网页，搜索一番没有找到合适的方案。后来看到可以从pytorch git...
八个最佳Python IDE
热门推荐
chszs的专栏
05-22 21万+
八个最佳Python IDE作者：chszs，转载需注明。博客主页：http://blog.csdn.net/chszsPython是一种功能强大、语言简洁的编程语言。本文向大家推荐8个适合Python开发的IDE。1. Eclipse with PyDevhttp://pydev.org/Eclipse+PyDev插件，很适合开发Python Web应用，其特征包括自动代码完成、语法高亮、代码分析
pytorch-msssim:适用于pytorch的快速且可区分的MS-SSIM和SSIM
04-30
适用于pytorch 1.0+的快速且可区分的MS-SSIM和SSIM 结构相似度（SSIM）： 多尺度结构相似性（MS-SSIM）： 更新 2020.08.21 （v0.2.1） 3D图像支持！ 2020.04.30 （v0.2） 现在（v0.2）， ssim和ms-ssim的计算...
PyTorch深度学习教程：深度学习与PyTorch入门实战视频教程配套源代码和PPT
02-03
PyTorch安装指令 请先安装Anaconda和CUDA 10.0。 配置国内源 # 配置国内源，方便安装Numpy,Matplotlib等 conda config - - add channels https : // mirrors . tuna . tsinghua . edu . ...
Threepio:用于在PyTorch，TensorFlow和TensorFlow.js之间翻译命令的多语言库
05-07
Threepio使在机器学习框架（例如PyTorch，Tensorflow.js和Tensorflow Python）之间转换命令变得非常简单。 它充当和的核心组件。 该库提供的一些改变生活的功能包括： :robot: 相同名称的命令之间的自动双向翻译...
SKNet-PyTorch:SKNet的PyTorch实现近乎完美且易于理解
05-22
SKNet-Pytorch 近乎完美且易于理解的PyTorch实现 我使用PyTorch重新实现了SKNET。 尽管有许多SKNET的PyTorch实现，但是它们与原始论文中描述的实现不同，并且我很难理解它们的实现。 所以我做了。 选择性核卷积 请...
PSENet.pytorch:PSENet的pytorch重新实现
04-22
渐进式规模扩展网络的形状鲁棒文本检测要求pytorch 1.1 火炬视觉0.3 pyclipper 的opencv3 gcc 4.9+更新20190401 加笔者损失，结果在比较下载icdar 2015上的resnet50和resnet152模型： 提取代码：rxjf资料准备遵循...
PyTorch官方教程中文版.pdf
09-11
PyTorch官方教程中文版.pdf
DeepLearningWithPyTorch
10-25
讲PyTorch不错的资源，比较新，作为通读、快速了解的读物是不错的
动手学深度学习(李沐)的pytorch版本（包含代码和PDF版本）
weixin_64338372的博客
04-04 1万+
动手学深度学习(李沐)的pytorch版本（包含代码和PDF版本），《动手学深度学习》PyTorch版本TendorFlow版本（内有所有代码和PDF版下载地址）
10个最好用的Python IDE，总有一款适合你
Python966的博客
01-30 5125
对于程序员来说，除了日常争论世界上最好的语言是哪一门以外，哪款 IDE 是最好的也是争议颇多，今天我们就来介绍 10 款最好的 Python 编程 IDE，总有一款适合你！
赶快收藏，PyTorch 常用代码段PDF合辑版来了
机器学习社区
01-03 1351
前段时间我分享了 PyTorch 常用代码段合集，涵盖基本配置、张量处理、模型定义与操作、数据处 理、模型训练与测试等5个方面，还给出了多个值得注意的Tips。 这篇文章发布后，收到了很多朋友的喜爱和点赞。有一些朋友告诉我，能否提供PDF版， 趁着这个元旦假期，我将这篇资料进行了内容整理，内容更加详实，今天分享给大家学习，喜欢的朋友可以文末获取。 如下为部分截图 获取方式 为了方便获取，已将资料放置在后台，两种获取方式： 1、微信搜索公众号：机器学习社区，后台回复：pytorch 2、扫描下方二维码
662页PYTORCH 官方教程最新中文版(1.11+CU10.2)
机器视觉全栈er的博客
05-02 1582
pytorch1.11官方教程中文版
适合新手的Pytorch的中文文档
sikh_0529的博客
12-04 4975
PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：PyTorch windows 安装教程：两行代码搞定 PyTorch 安装 PyTorch Windows 安装教程：两行代码搞定 PyTorch 安装 | PyTorchPyTorch Mac 安装教程 PyTorch Mac 安装教程 | PyTorchPyTorch Linux 安装教程 PyTorch Linux 安装教程 | PyTorchTensors 类似于 NumPy 的 ndarrays ，同时 Tensors
给Python初学者推荐的4款IDE，超实用
喜欢Python编程的程序员柚柚呀
01-13 5072
总有一些初学者，会问到：学习Python，应该用什么Python IDE？了解到他们使用Python做什么之后，我总结了这篇文章。IDE是集成开发环境的缩写，通俗地说，就是你写代码、调试代码的地方。介绍几款代码编辑器。
PyTorch官方教程（中文版）
weixin_40433846的博客
05-24 6477
2023PyTorch官方教程中文版（附加自己的解释）
PyTorch快速入门
最新发布
06-10
PyTorch 是一个基于 Python 的科学计算库，它是一个用于深度学习的框架，具有高度的灵活性和可扩展性。 以下是一个快速入门 PyTorch 的步骤： 1. 安装 PyTorch 你可以通过官方网站 https://pytorch.org/ 下载和安装 PyTorch。 2. 导入 PyTorch 在 Python 中，导入 PyTorch 的方式是： ```python import torch ``` 3. 创建 Tensor Tensor 是 PyTorch 中的核心数据结构，它类似于 NumPy 的数组，但支持 GPU 加速和自动求导。 你可以使用以下代码创建一个 2x3 的浮点型张量： ```python import torch x = torch.Tensor([[1, 2, 3], [4, 5, 6]]) print(x) ``` 输出结果为： ``` tensor([[1., 2., 3.], [4., 5., 6.]]) ``` 4. 自动求导 PyTorch 中最重要的功能之一是自动求导。你可以在 Tensor 上设置 `requires_grad=True`，然后对它进行操作，PyTorch 会自动记录操作并计算梯度。 以下是一个简单的示例： ```python import torch x = torch.randn(3, 3, requires_grad=True) y = x * 2 z = y.mean() z.backward() print(x.grad) ``` 输出结果为： ``` tensor([[0.6667, 0.6667, 0.6667], [0.6667, 0.6667, 0.6667], [0.6667, 0.6667, 0.6667]]) ``` 5. 定义模型 在 PyTorch 中，你可以通过继承 `nn.Module` 类来定义模型。你需要实现 `__init__` 和 `forward` 方法。 以下是一个简单的线性模型的示例： ```python import torch.nn as nn class LinearModel(nn.Module): def __init__(self, input_dim, output_dim): super(LinearModel, self).__init__() self.linear = nn.Linear(input_dim, output_dim) def forward(self, x): out = self.linear(x) return out ``` 6. 训练模型 在 PyTorch 中，你可以使用自定义的训练循环或使用 PyTorch 提供的训练工具来训练模型。 以下是一个简单的训练循环的示例： ```python import torch import torch.nn as nn import torch.optim as optim # 定义模型 class LinearModel(nn.Module): def __init__(self, input_dim, output_dim): super(LinearModel, self).__init__() self.linear = nn.Linear(input_dim, output_dim) def forward(self, x): out = self.linear(x) return out # 准备数据 x_train = torch.randn(100, 10) y_train = torch.randn(100, 1) # 定义模型、损失函数和优化器 model = LinearModel(10, 1) criterion = nn.MSELoss() optimizer = optim.SGD(model.parameters(), lr=0.01) # 训练模型 for epoch in range(100): # 前向传播 y_pred = model(x_train) # 计算损失函数 loss = criterion(y_pred, y_train) # 反向传播 optimizer.zero_grad() loss.backward() optimizer.step() # 输出损失函数值 print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, 100, loss.item())) ``` 这个训练循环会对一个具有 10 个输入和 1 个输出的线性模型进行训练，使用均方误差损失函数和随机梯度下降优化器。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值