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。

PyTorch专栏开篇-LMLPHP

扫描上方二维码,加入QQ交流群

PyTorch专栏开篇-LMLPHP

扫描上方二维码,加入微信交流群

05-17 18:51