目前研究人员正在使用的深度学习框架不尽相同，有 TensorFlow 、PyTorch、Keras等。这些深度学习框架被应用于计算机视觉、语音识别、自然语言处理与生物信息学等领域，并获取了极好的效果。其中，PyTorch是当前难得的简洁优雅且高效快速的框架，当前开源的框架中，没有哪一个框架能够在灵活性、易用性、速度这三个方面有两个能同时超过PyTorch。
基于此，磐小仙邀请到了作者 News（CS硕士） ，在接下来的这段时间里，他将会给大家带来关于PyTorch的一个专栏。
这个专栏主要针对想要学习PyTorch的学生群体或者深度学习爱好者。通过专栏的学习，能够实现零基础想要了解和学习深度学习，降低自学的难度，快速学习PyTorch。
1. 专栏介绍
PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能：
具有强大的GPU加速的张量计算（如Numpy）
包含自动求导系统的深度神经网络
除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了PyTorch。
官方教程包含了 PyTorch 介绍，安装教程；60分钟快速入门教程，可以迅速从小白阶段完成一个分类器模型；计算机视觉常用模型，方便基于自己的数据进行调整，不再需要从头开始写；自然语言处理模型，聊天机器人，文本生成等生动有趣的项目。
总而言之：
如果你想了解一下 PyTorch，可以看介绍部分。
如果你想快速入门 PyTorch，可以看60分钟快速入门。
如果你想解决计算机视觉问题，可以看计算机视觉部分。
如果你想解决自然语言处理问题，可以看NLP 部分。
后续会更新强化学习和生成对抗网络部分内容。
2. 专栏目录
第一章：PyTorch之简介与下载
PyTorch简介
PyTorch环境搭建
第二章：PyTorch之60min入门
PyTorch 入门
PyTorch 自动微分
PyTorch 神经网络
PyTorch 图像分类器
PyTorch 数据并行处理
第三章：PyTorch之入门强化
数据加载和处理
PyTorch小试牛刀
迁移学习
混合前端的seq2seq模型部署
保存和加载模型
第四章：PyTorch之图像篇
微调基于torchvision 0.3的目标检测模型
微调TorchVision模型
空间变换器网络
使用PyTorch进行Neural-Transfer
生成对抗示例
使用ONNX将模型转移至Caffe2和移动端
第五章：PyTorch之文本篇
聊天机器人教程
使用字符级RNN生成名字
使用字符级RNN进行名字分类
在深度学习和NLP中使用Pytorch
使用Sequence2Sequence网络和注意力进行翻译
第六章：PyTorch之生成对抗网络
第七章：PyTorch之强化学习
3. 更新计划
更新频率：一周四篇
开始时间：下周
4. 学习交流
为了方便大家更好地与作者进行沟通交流，为此磐小仙针对这个专栏成立了QQ和微信读者交流群，同时邀请了专栏的作者News坐镇交流群，大家想近距离与作者沟通，都可以来加入。
加入方式：扫描下方微信群二维码，或者QQ群二维码，即可加入交流群。
扫描上方二维码，加入QQ交流群
扫描上方二维码，加入微信交流群