PyTorch官方教程《Deep Learning with PyTorch》开源分享,LeCun力荐,通俗易懂

阿里云2000元红包!本站用户参与享受九折优惠!

1 前言

谈到深度学习框架,就不得不谈TensorFlow 和 PyTorch 。目前来看,TensorFlow 和 PyTorch 框架是业界使用最为广泛的两个深度学习框架, TensorFlow在工业界拥有完备的解决方案和用户基础,PyTorch 得益于其精简灵活的接口 设计,可以快速设计调试网络模型,在学术界获得好评如潮。

据统计,在 2017 年,深度学习顶会中使用 PyTorch 的论文比例还不到 10%;如今,PyTorch 已经称霸学界,在 CVPR 接收论文中占比 69%,NAACL 和 ACL 都超过了 75%,ICLR 和 ICML 也都超过了 50%。

前不久StrongerTang 分享了TensorFlow 的使用教程“400页《TensorFlow 2.0 深度学习算法实战》中文版免费分享(附代码)”(点击即可阅读),收到了不少朋友的肯定,也有朋友希望分享一下PyTorch的。其实PyTorch之前也在“364 页 PyTorch 版《动手学深度学习》pdf分享(全中文,支持 Jupyter 运行)”一文中分享过。

不过PyTorch 官方尚未提供一部权威的教程书籍,但最近PyTorch官方终于开源了官方教程《Deep Learning with PyTorch》,通俗易懂,图灵奖获得者、Facebook 首席 AI 科学家 Yann LeCun 也直接转推力荐,所以一起给大家分享一下,也希望有更多的朋友能在StrongerTang相遇。

2 简介

《Deep Learning with PyTorch》共有五个章节,包括了深度学习与PyTorch库张量如何用张量表示真实世界的数据学习机制用神经网络拟合数据等方面的内容,据称核心是指导读者使用Python 和 PyTorch 实现深度学习算法。

第一章是通俗易懂的入门内容,主要介绍了「什么是 PyTorch」和「为什么我们要选择 PyTorch」,以及对本书内容层次的总体介绍,让刚刚入门的读者能够顺畅地阅读下去,并对 PyTorch 有一个浅层但是完整的初步认知。

第二章则从张量这一深度学习的基本概念开始,介绍了张量的相关数学机制,以及深度学习是怎样处理数据,完成「学习」这一过程的。

第三章开始则通过张量和真实世界的数据进行联系,说明了如何使用张量表示表格、时序、图像和文本等数据。

第四章则进入机器学习机制的介绍,说明了深度学习的权重更新和反向传播原理。

最后一章主要集中在使用 PyTorch 构建神经网络并拟合数据分布。有了前几章的理论基础,这一章会增加很多代码方面实践介绍。

                                                                         · · · · · ·作者简介  · · · · · ·

Eli Stevens,软件工程师,过去7年担任一开发医疗设备软件创业公司的CTO。

Luca Antiga,一家AI公司的联合创始人兼CEO,PyToch社区定期撰稿人。

                                                                             · · · · · ·目录  · · · · · ·

1 Introducing deep learning and the PyTorch library 

1.1 What is PyTorch? 

1.2 What is this book? 

1.3 Why PyTorch? 

1.4 PyTorch has the batteries included 

2 It starts with a tensor 

2.1 Tensor fundamentals 

2.2 Tensors and storages 

2.3 Size, storage offset, and strides 

2.4 Numeric types 

2.5 Indexing tensors 

2.6 NumPy interoperability 

2.7 Serializing tensors 

2.8 Moving tensors to the GPU 

2.9 The tensor API 

3 Real-world data representation with tensors 

3.1 Tabular data 

3.2 Time series 

3.3 Text 

3.4 Images 

3.5 Volumetric data 

iiiiv CONTENTS

4 The mechanics of learning 

4.1 Learning is parameter estimation 

4.2 PyTorch’s autograd: Backpropagate all things 

5 Using a neural network to fit your data 

5.1 Artificial neurons 

5.2 The PyTorch nn module 

5.3 Subclassing nn.Module 

index 127

全书重点在于以简单易懂的语言向读者普及深度学习和 PyTorch 的内容。一改往日教程或教科书刻板的风格,全书使用了大量简单易懂的插图,力图让读者能够理解。



至于具体内容就留给感兴趣的小伙伴自己去阅读探索吧!

3 资料免费获取

最后,PyTorch官方教程《Deep Learning with PyTorch》电子版已经打包完毕,需要的朋友可以按照以下方式获取:

1.搜索 “StrongerTang” 公 zhong 号

2.发送消息关键词:Pytorch官方教程

声明:此资料免费分享,仅作知识分享,勿用于任何商业用途。赠人玫瑰,手有余香!

推荐阅读:(点击蓝字阅读)

网易身患绝症员工被裁事件背后 年轻一代的辛酸和压力

400页《TensorFlow 2.0 深度学习算法实战》中文版免费分享(附代码)

364 页 PyTorch 版《动手学深度学习》pdf分享(全中文,支持 Jupyter 运行)

300 页干货!李宏毅《一天搞懂深度学习》分享

李航《统计学习方法》电子版、配套课件及python实现代码分享

周志华《机器学习》西瓜书及配套公式推导南瓜书分享

https://www.jianshu.com/p/1cc0f745d5e8

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论