李沐《动手学深度学习》PyTorch 实现版开源，瞬间登上 GitHub 热榜！

点击上方“小詹学Python”，选择“星标”公众号

重磅干货，第一时间送达

李沐，亚马逊 AI 主任科学家，名声在外！半年前，由李沐、Aston Zhang 等人合力打造的《动手学深度学习》正式上线，免费供大家阅读。这是一本面向中文读者的能运行、可讨论的深度学习教科书！

之前，红色石头就分享过这份资源，再次附上：

在线预览地址：

https://zh.d2l.ai/

GitHub 项目地址：

https://github.com/d2l-ai/d2l-zh

课程视频地址：

https://space.bilibili.com/209599371/channel/detail?cid=23541

我们知道，作为 MXNet 的作者之一，李沐的这本《动手学深度学习》也是使用 MXNet 框架写成的。但是很多入坑机器学习的萌新们使用的却是 PyTorch。如果有教材对应的 PyTorch 实现代码就更好了！

撒花！今天就给大家带来这本书的 PyTorch 实现源码。最近，来自印度理工学院的数据科学小组，把《动手学深度学习》从 MXNet “翻译”成了 PyTorch，经过 3 个月的努力，这个项目已经基本完成，并登上了 GitHub 热榜。

首先放上这份资源的 GitHub 地址：

https://github.com/dsgiitr/d2l-pytorch

详细目录如下：

• Ch02 Installation

  • Installation

• Ch03 Introduction

  • Introduction

• Ch04 The Preliminaries: A Crashcourse

  • 4.1 Data Manipulation

  • 4.2 Linear Algebra

  • 4.3 Automatic Differentiation

  • 4.4 Probability and Statistics

  • 4.5 Naive Bayes Classification

  • 4.6 Documentation

• Ch05 Linear Neural Networks

  • 5.1 Linear Regression

  • 5.2 Linear Regression Implementation from Scratch

  • 5.3 Concise Implementation of Linear Regression

  • 5.4 Softmax Regression

  • 5.5 Image Classification Data (Fashion-MNIST)

  • 5.6 Implementation of Softmax Regression from Scratch

  • 5.7 Concise Implementation of Softmax Regression

• Ch06 Multilayer Perceptrons

  • 6.1 Multilayer Perceptron

  • 6.2 Implementation of Multilayer Perceptron from Scratch

  • 6.3 Concise Implementation of Multilayer Perceptron

  • 6.4 Model Selection Underfitting and Overfitting

  • 6.5 Weight Decay

  • 6.6 Dropout

  • 6.7 Forward Propagation Backward Propagation and Computational Graphs

  • 6.8 Numerical Stability and Initialization

  • 6.9 Considering the Environment

  • 6.10 Predicting House Prices on Kaggle

• Ch07 Deep Learning Computation

  • 7.1 Layers and Blocks

  • 7.2 Parameter Management

  • 7.3 Deferred Initialization

  • 7.4 Custom Layers

  • 7.5 File I/O

  • 7.6 GPUs

• Ch08 Convolutional Neural Networks

  • 8.1 From Dense Layers to Convolutions

  • 8.2 Convolutions for Images

  • 8.3 Padding and Stride

  • 8.4 Multiple Input and Output Channels

  • 8.5 Pooling

  • 8.6 Convolutional Neural Networks (LeNet)

• Ch09 Modern Convolutional Networks

  • 9.1 Deep Convolutional Neural Networks (AlexNet)

  • 9.2 Networks Using Blocks (VGG)

  • 9.3 Network in Network (NiN)

  • 9.4 Networks with Parallel Concatenations (GoogLeNet)

  • 9.5 Batch Normalization

  • 9.6 Residual Networks (ResNet)

  • 9.7 Densely Connected Networks (DenseNet)

• Ch10 Recurrent Neural Networks

  • 10.1 Sequence Models

  • 10.2 Language Models

  • 10.3 Recurrent Neural Networks

  • 10.4 Text Preprocessing

  • 10.5 Implementation of Recurrent Neural Networks from Scratch

  • 10.6 Concise Implementation of Recurrent Neural Networks

  • 10.7 Backpropagation Through Time

  • 10.8 Gated Recurrent Units (GRU)

  • 10.9 Long Short Term Memory (LSTM)

  • 10.10 Deep Recurrent Neural Networks

  • 10.11 Bidirectional Recurrent Neural Networks

  • 10.12 Machine Translation and DataSets

  • 10.13 Encoder-Decoder Architecture

  • 10.14 Sequence to Sequence

  • 10.15 Beam Search

• Ch11 Attention Mechanism

  • 11.1 Attention Mechanism

  • 11.2 Sequence to Sequence with Attention Mechanism

  • 11.3 Transformer

• Ch12 Optimization Algorithms

  • 12.1 Optimization and Deep Learning

  • 12.2 Convexity

  • 12.3 Gradient Descent

  • 12.4 Stochastic Gradient Descent

  • 12.5 Mini-batch Stochastic Gradient Descent

  • 12.6 Momentum

  • 12.7 Adagrad

  • 12.8 RMSProp

  • 12.9 Adadelta

  • 12.10 Adam

其中，每一小节都是可以运行的 Jupyter 记事本，你可以自由修改代码和超参数来获取及时反馈，从而积累深度学习的实战经验。

目前，PyTorch 代码还有 6 个小节没有完成，但整体的完成度已经很高了！开发团队希望更多的爱好者加入进来，贡献一份力量！

最后，再次附上 GitHub 地址：

https://github.com/dsgiitr/d2l-pytorch

推荐阅读：（点击下方标题即可跳转）

骚操作 ！清理曾经爱过的网站

骚操作 ！用 Python 偷偷抓取女朋友的行踪

骚操作 ！用 Python 自动下载抖音美丽小姐姐

⬆️长按 2 秒关注「 小詹学Python 」

 

最新 AI 干货，我在看