点击上方“AI有道”，选择“星标”公众号
重磅干货，第一时间送达
什么是 PyTorch？其实 PyTorch 可以拆成两部分：Py+Torch。Py 就是 Python，Torch 是一个有大量机器学习算法支持的科学计算框架。PyTorch 的前身是Torch，但是 Torch 是基于 Lua 语言。Lua 简洁高效，但由于其过于小众，用的人不是很多，以至于很多人听说要掌握 Torch 必须新学一门语言就望而却步。考虑到 Python 在人工智能领域的领先地位，以及其生态完整性和接口易用性，几乎任何框架都不可避免地要提供 Python 接口。终于，在 2017 年，Torch 的幕后团队使用 Python 重写了 Torch 的很多内容，推出了 PyTorch，并提供了 Python 接口。此后，PyTorch 成为最流行的深度学习框架之一。
近几年来，PyTorch 呈现大火的趋势，除了Facebook外，PyTorch 已经被 Twitter、CMU 和 Salesforce 等多个机构使用。
就在刚刚，激动人心的好消息：PyTorch 官方教程中文版正式发布啦！
教程地址：
http://pytorch123.com/
教程介绍
本文档主要使用于 PyTorch 入门学者，主要参考 PyTorch 官方文档。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 CV 部分。如果你想解决自然语言处理问题，可以看 NLP 部分。
教程内容
整个教程共包含了 7 部分，内容由简单到复杂，适合不同层次的学习要求。下面分别进行介绍。
1. PyTorch 之简介与下载
PyTorch 简介
PyTorch 环境搭建
- 安装 Anaconda 3.5
- 安装 PyTorch & torchvision
Anaconda Navigator
2. PyTorch 之 60min 入门教程
PyTorch 入门
PyTorch 自动微分
PyTorch 神经网络
PyTorch 图像分类器
PyTorch 数据并处理
原理解释：
3. PyTorch 之入门强化教程
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
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)
# 每个epoch都有一个训练和验证阶段
for phase in ['train', 'val']:
if phase == 'train':
scheduler.step()
model.train() # Set model to training mode
else:
model.eval() # Set model to evaluate mode
running_loss = 0.0
running_corrects = 0
# 迭代数据.
for inputs, labels in dataloaders[phase]:
inputs = inputs.to(device)
labels = labels.to(device)
# 零参数梯度
optimizer.zero_grad()
# 前向
# track history if only in train
with torch.set_grad_enabled(phase == 'train'):
outputs = model(inputs)
_, preds = torch.max(outputs, 1)
loss = criterion(outputs, labels)
# 后向+仅在训练阶段进行优化
if phase == 'train':
loss.backward()
optimizer.step()
# 统计
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))
# 深度复制mo
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))
# 加载最佳模型权重
model.load_state_dict(best_model_wts)
return model
4. 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
5. 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
> 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 之生成对抗网络
DCGAN教程
本教程通过一个例子来对 DCGANs 进行介绍。我们将会训练一个生成对抗网络（GAN）用于在展示了许多真正的名人的图片后产生新的名人。
7. PyTorch 之强化学习
强化学习（DQN）教程
本教程介绍如何使用PyTorch从OpenAI Gym中的 CartPole-v0 任务上训练一个Deep Q Learning (DQN) 代理。
总的来说，这是一份非常不错的 PyTorch 中文教程！最后，再次附上教程在线网址：
http://pytorch123.com/
重磅！AI 有道学术交流群成立啦
扫描下方二维码，添加 AI有道小助手微信，可申请入林轩田机器学习群（数字 1）、吴恩达 deeplearning.ai 学习群（数字 2）。一定要备注：入哪个群（1 或 2 或 1+2）+ 地点 + 学校/公司 + 昵称。例如：1+上海+复旦+小牛。
长按扫码，申请入群
（添加人数较多，请耐心等待）
最新 AI 干货，我在看
