bat67/deep-learning-with-pytorch-a-60-minute-blitz-cn

PyTorch1.0 深度学习：60分钟入门与实战（Deep Learning with PyTorch: A 60 Minute Blitz 中文翻译与学习）

PyTorch深度学习：60分钟入门与实战

Deep Learning with PyTorch A 60 Minute Blitz 中文翻译版，翻译不对的地方拜托大家指出~

对PyTorch感兴趣的童鞋欢迎看这个-->PyTorch教程、例子和书籍合集

目录

• PyTorch深度学习：60分钟入门与实战
  • 目录
  • 1、简介
  • 2、环境
  • 3、目录
    • 3.1、什么是PyTorch？（What is PyTorch?）
    • 3.2、Autograd：自动求导
    • 3.3、神经网络（Neural Networks）
    • 3.4、训练分类器（Training a Classifier）
    • 3.5 选读：数据并行处理（Optional: Data Parallelism）
  • 4、类似项目
  • 5、版权信息

1、简介

此教程的目标：

• 更高层次地理解Pythrch的Tensor库以及神经网络。
• 训练一个小的神经网络模型用于分类图像。

本教程假设读者对numpy有基本的了解

2、环境

• PyTorch版本0.4及以上（PyTorch 1.0 稳定版已经发布，还有什么理由不更新呢~）
• torchvision 0.2.1

3、目录

3.1、什么是PyTorch？（What is PyTorch?）

• 入门
  • 张量
  • 运算
• NumPy桥
  • 将torch的Tensor转化为NumPy数组
  • 将NumPy数组转化为Torch张量
• CUDA上的张量

3.2、Autograd：自动求导

• 张量
• 梯度

3.3、神经网络（Neural Networks）

• 定义网络
• 损失函数
• 反向传播
• 更新权重

3.4、训练分类器（Training a Classifier）

• 数据呢？
• 训练一个图片分类器
  • 1.加载并标准化CIFAR10
  • 2.定义卷积神经网络
  • 3.定义损失函数和优化器
  • 4.训练网络
  • 5.使用测试数据测试网络
• 在GPU上训练
• 在多GPU上训练
• 接下来要做什么？

3.5 选读：数据并行处理（Optional: Data Parallelism）

• 导入和参数
• 虚拟数据集
• 简单模型
• 创建一个模型和数据并行
• 运行模型
• 结果
  • 2个GPU
  • 3个GPU
  • 8个GPU
• 总结

4、类似项目

• 用例子学习 PyTorch
• PyTorch 教程、例子和书籍
• PyTorch 深度学习：60分钟入门与实战

5、版权信息

除非额外说明，本仓库的所有公开文档均遵循署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)许可协议。

您可以自由地：

• 共享 — 在任何媒介以任何形式复制、发行本作品
• 演绎 — 修改、转换或以本作品为基础进行创作

惟须遵守下列条件：

• 署名 — 您必须给出适当的署名，提供指向本许可协议的链接，同时标明是否（对原始作品）作了修改。您可以用任何合理的方式来署名，但是不得以任何方式暗示许可人为您或您的使用背书。
• 非商业性使用 — 您不得将本作品用于商业目的。
• 相同方式共享 — 如果您再混合、转换或者基于本作品进行创作，您必须基于与原先许可协议相同的许可协议 分发您贡献的作品。