Github | 李沐《动手学深度学习》的PyTorch实现
点上方计算机视觉联盟获取更多干货
仅作学术分享，不代表本公众号立场，侵权联系删除
转载于：机器学习初学者，吴镇宇博士
AI博士笔记系列推荐
周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接
早上王博Kings和吴博士聊了许久，吴博士很踏实努力，所处学习环境也很棒，他对中文版《动手学深度学习》中的代码进行整理，用Pytorch实现，内容很棒！推荐给大家！
https://github.com/wzy6642/Dive-Into-Deep-Learning-PyTorch-PDF
项目作者：吴振宇博士
简介
Dive-Into-Deep-Learning-PyTorch-PDF这个项目对中文版《动手学深度学习》中的代码进行整理，并参考一些优秀的GitHub项目给出基于PyTorch的实现方法。为了方便阅读，本项目给出全书PyTorch版的PDF版本。欢迎大家Download，Star，Fork。除了原书内容外，我还为每一章增加了本章附录，用于对该章节中用到的函数以及数学计算加以详细说明，除此之外还增加了语义分割网络（U-Net）的实现，是目前全网最完整的版本。
项目地址为：https://github.com/wzy6642/Dive-Into-Deep-Learning-PyTorch-PDF。
项目中包含的文件夹有：
code：用于对书中每一章的代码进行整理，
data：给出书中用到数据的百度云链接，
pdf：存放《动手学深度学习》PyTorch版的PDF版本。
原书作者：阿斯顿·张、李沐、扎卡里 C. 立顿、亚历山大 J. 斯莫拉以及其他社区贡献者。
目录
1. 预备知识
-
1.1 数据操作
1.2 自动求梯度
1.3 查阅文档
1.4 本章附录
2. 深度学习基础
-
2.1 线性回归
2.2 线性回归的从零开始实现
2.3 线性回归的简洁实现
2.4 softmax回归
2.5 图像分类数据集（Fashion-MNIST）
2.6 softmax回归的从零开始实现
2.7 softmax回归的简洁实现
2.8 多层感知机
2.9 多层感知机的从零开始实现
2.10 多层感知机的简洁实现
2.11 模型选择、欠拟合和过拟合
2.12 权重衰减
2.13 丢弃法
2.14 正向传播、反向传播和计算图
2.15 数值稳定性和模型初始化
2.16 实战Kaggle比赛：房价预测
2.17 本章附录
3. 深度学习计算
-
3.1 模型构造
3.2 模型参数的访问、初始化和共享
3.3 自定义层
3.4 读取和存储
3.5 GPU计算
3.6 本章附录
4. 卷积神经网络
-
4.1 二维卷积层
4.2 填充和步幅
4.3 多输入通道和多输出通道
4.4 池化层
4.5 卷积神经网络（LeNet）
4.6 深度卷积神经网络（AlexNet）
4.7 使用重复元素的网络（VGG）
4.8 网络中的网络（NiN）
4.9 含并行连结的网络（GoogLeNet）
4.10 批量归一化
4.11 残差网络（ResNet）
4.12 稠密连接网络（DenseNet）
4.13 本章附录
5. 循环神经网络
-
5.1 语言模型
5.2 循环神经网络
5.3 语言模型数据集（周杰伦专辑歌词）
5.4 循环神经网络的从零开始实现
5.5 循环神经网络的简洁实现
5.6 通过时间反向传播
5.7 门控循环单元（GRU）
5.8 长短期记忆（LSTM）
5.9 深度循环神经网络
5.10 双向循环神经网络
5.11 本章附录
6. 优化算法
-
6.1 优化与深度学习
6.2 梯度下降和随机梯度下降
6.3 小批量随机梯度下降
6.4 动量法
6.5 AdaGrad算法
6.6 RMSProp算法
6.7 AdaDelta算法
6.8 Adam算法
6.9 本章附录
7. 计算性能
-
7.1 命令式和符号式混合编程
7.2 自动并行计算
7.3 多GPU计算
7.4 本章附录
8. 计算机视觉
-
8.1 图像增广
8.2 微调
8.3 目标检测和边界框
8.4 锚框
8.5 多尺度目标检测
8.6 目标检测数据集（皮卡丘）
8.7 单发多框检测（SSD）
8.8 区域卷积神经网络（R-CNN）系列
8.9 语义分割和数据集
8.10 全卷积网络（FCN）
8.11 样式迁移
8.12 实战Kaggle比赛：图像分类（CIFAR-10）
8.13 实战Kaggle比赛：狗的品种识别（ImageNet Dogs）
8.14 语义分割网络（U-Net）
8.15 本章附录
9. 自然语言处理
-
9.1 词嵌入（word2vec）
9.2 近似训练
9.3 word2vec的实现
9.4 子词嵌入（fastText）
9.5 全局向量的词嵌入（GloVe）
9.6 求近义词和类比词
9.7 文本情感分类：使用循环神经网络
9.8 文本情感分类：使用卷积神经网络（textCNN）
9.9 编码器—解码器（seq2seq）
9.10 束搜索
9.11 注意力机制
9.12 机器翻译
9.13 本章附录
环境
matplotlib==3.3.2
torch==1.1.0
torchvision==0.3.0
torchtext==0.4.0
CUDA Version==11.0
end
我是王博Kings，一名985AI博士，华为云专家/CSDN博客专家，单个AI项目在Github上获得了2000标星，为了方便大家交流，附上了联系方式。
这是我的私人微信，还有少量坑位，可与相关学者研究人员交流学习
目前开设有人工智能、机器学习、计算机视觉、自动驾驶（含SLAM）、Python、求职面经、综合交流群扫描添加CV联盟微信拉你进群，备注：CV联盟
王博Kings 的公众号，欢迎关注，干货多多
王博Kings的系列手推笔记（附高清PDF下载）：
博士笔记 | 周志华《机器学习》手推笔记第一章思维导图
博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择”
博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型”
博士笔记 | 周志华《机器学习》手推笔记第四章“决策树”
博士笔记 | 周志华《机器学习》手推笔记第五章“神经网络”
博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（上）
博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（下）
博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（上）
博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（下）
博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（上）
博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（下）
博士笔记 | 周志华《机器学习》手推笔记第九章聚类
博士笔记 | 周志华《机器学习》手推笔记第十章降维与度量学习
博士笔记 | 周志华《机器学习》手推笔记第十一章特征选择与稀疏学习
博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论（上）
博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论（下）
博士笔记 | 周志华《机器学习》手推笔记第十三章半监督学习
博士笔记 | 周志华《机器学习》手推笔记第十四章概率图模型
点个在看支持一下吧
