撒花!PyTorch 官方教程中文版正式上線,激動人心的大好事!

點擊上方「AI有道」，選擇「星標」公眾號

重磅乾貨，第一時間送達

什麼是 PyTorch？其實 PyTorch 可以拆成兩部分：Py+Torch。Py 就是 Python，Torch 是一個有大量機器學習算法支持的科學計算框架。PyTorch 的前身是Torch，但是 Torch 是基於 Lua 語言。Lua 簡潔高效，但由於其過於小眾，用的人不是很多，以至於很多人聽說要掌握 Torch 必須新學一門語言就望而卻步。考慮到 Python 在人工智慧領域的領先地位，以及其生態完整性和接口易用性，幾乎任何框架都不可避免地要提供 Python 接口。終於，在 2017 年，Torch 的幕後團隊使用 Python 重寫了 Torch 的很多內容，推出了 PyTorch，並提供了 Python 接口。此後，PyTorch 成為最流行的深度學習框架之一。

近幾年來，PyTorch 呈現大火的趨勢，除了Facebook外，PyTorch 已經被 Twitter、CMU 和 Salesforce 等多個機構使用。

就在剛剛，激動人心的好消息：PyTorch 官方教程中文版正式發布啦！

教程地址：

http://pytorch123.com/

本文檔主要使用於 PyTorch 入門學者，主要參考 PyTorch 官方文檔。官方教程包含了 PyTorch 介紹，安裝教程；60 分鐘快速入門教程，可以迅速從小白階段完成一個分類器模型；計算機視覺常用模型，方便基於自己的數據進行調整，不再需要從頭開始寫；自然語言處理模型，聊天機器人，文本生成等生動有趣的項目。 

總而言之：如果你想了解一下 PyTorch，可以看介紹部分。如果你想快速入門 PyTorch，可以看 60 分鐘快速入門。如果你想解決計算機視覺問題，可以看 CV 部分。如果你想解決自然語言處理問題，可以看 NLP 部分。

整個教程共包含了 7 部分，內容由簡單到複雜，適合不同層次的學習要求。下面分別進行介紹。

1. PyTorch 之簡介與下載

Anaconda Navigator

2. PyTorch 之 60min 入門教程

PyTorch 入門

PyTorch 自動微分

PyTorch 神經網絡

PyTorch 圖像分類器

PyTorch 數據並處理

原理解釋：

3. PyTorch 之入門強化教程

數據加載和處理

PyTorch 小試牛刀

遷移學習

混合前端的 seq2seq 模型部署

保存和加載模型

def train_model(model, criterion, optimizer, scheduler, num_epochs=25):
    since = time.time()

    best_model_wts = copy.deepcopy(model.state_dict())
    best_acc = 0.0

    for epoch in range(num_epochs):
        print('Epoch {}/{}'.format(epoch, num_epochs - 1))
        print('-' * 10)

        
        for phase in ['train', 'val']:
            if phase == 'train':
                scheduler.step()
                model.train()
            else:
                model.eval()

            running_loss = 0.0
            running_corrects = 0

            
            for inputs, labels in dataloaders[phase]:
                inputs = inputs.to(device)
                labels = labels.to(device)

                
                optimizer.zero_grad()

                
                
                with torch.set_grad_enabled(phase == 'train'):
                    outputs = model(inputs)
                    _, preds = torch.max(outputs, 1)
                    loss = criterion(outputs, labels)

                    
                    if phase == 'train':
                        loss.backward()
                        optimizer.step()

                
                running_loss += loss.item() * inputs.size(0)
                running_corrects += torch.sum(preds == labels.data)

            epoch_loss = running_loss / dataset_sizes[phase]
            epoch_acc = running_corrects.double() / dataset_sizes[phase]

            print('{} Loss: {:.4f} Acc: {:.4f}'.format(
                phase, epoch_loss, epoch_acc))

            
            if phase == 'val' and epoch_acc > best_acc:
                best_acc = epoch_acc
                best_model_wts = copy.deepcopy(model.state_dict())

        print()

    time_elapsed = time.time() - since
    print('Training complete in {:.0f}m {:.0f}s'.format(
        time_elapsed // 60, time_elapsed % 60))
    print('Best val Acc: {:4f}'.format(best_acc))

    
    model.load_state_dict(best_model_wts)
    return model

4. PyTorch 之圖像篇

5. PyTorch 之文本篇

> hello?
Bot: hello .
> where am I?
Bot: you re in a hospital .
> who are you?
Bot: i m a lawyer .
> how are you doing?
Bot: i m fine .
> are you my friend?
Bot: no .
> you're under arrest
Bot: i m trying to help you !
> i'm just kidding
Bot: i m sorry .
> where are you from?
Bot: san francisco .
> it's time for me to leave
Bot: i know .
> goodbye
Bot: goodbye .

6. PyTorch 之生成對抗網絡

本教程通過一個例子來對 DCGANs 進行介紹。我們將會訓練一個生成對抗網絡（GAN）用於在展示了許多真正的名人的圖片後產生新的名人。

7. PyTorch 之強化學習

本教程介紹如何使用PyTorch從OpenAI Gym中的 CartPole-v0 任務上訓練一個Deep Q Learning (DQN) 代理。

總的來說，這是一份非常不錯的 PyTorch 中文教程！最後，再次附上教程在線網址：

http://pytorch123.com/

重磅！AI 有道學術交流群成立啦

掃描下方二維碼，添加 AI有道小助手微信，可申請入林軒田機器學習群（數字 1）、吳恩達 deeplearning.ai 學習群（數字 2）。一定要備註：入哪個群（1 或 2 或 1+2）+ 地點 + 學校/公司 + 暱稱。例如：1+上海+復旦+小牛。 

長按掃碼，申請入群

（添加人數較多，請耐心等待）

 

最新 AI 乾貨，我在看