PyTorch入门教程合集

20天吃掉那只Pytorch

20天吃掉那只Pytorch内容摘要
20天吃掉那只Pytorch
1-1,结构化数据建模流程范例
1-2,图片数据建模流程范例
1-3,文本数据建模流程范例
1-4,时间序列数据建模流程范例
2-1,张量数据结构
2-2,自动微分机制
2-3,动态计算图
3-1,低阶API示范
3-2,中阶API示范
3-3，高阶API示范
4-1,张量的结构操作
4-2,张量的数学运算
4-3,nn.functional和nn.Module
5-1,Dataset和DataLoader
5-2,模型层
5-3,损失函数
5-4,TensorBoard可视化
6-1,构建模型的3种方法
6-2,训练模型的3种方法
6-3,使用GPU训练模型

深度学习框架PyTorch入门与实践

深度学习框架PyTorch 2 PyTorch快速入门
深度学习框架PyTorch 3.1 Tensor基础
深度学习框架PyTorch 3.2 autograd基础
深度学习框架PyTorch 4 神经网络工具箱nn
深度学习框架PyTorch 5 常用工具
深度学习框架PyTorch 6实战指南
深度学习框架PyTorch 7 生成对抗网络（GAN）
深度学习框架PyTorch 8 风格迁移
深度学习框架PyTorch 9 RNN
深度学习框架PyTorch 10 图像描述任务

深度学习教程

Pytorch教程-张量简介与创建
Pytorch教程-张量操作与线性回归
Pytorch教程-计算图与动态图机制
Pytorch教程-autograd与逻辑回归
Pytorch教程-数据读取机制Dataloader与Dataset

PyTorchHandbook

PyTorchHandbook 目录
PyTorchHandbook 1.1 pytorch介绍
PyTorchHandbook 1.2 Pytorch环境搭建
PyTorchHandbook 1.3.1 张量
PyTorchHandbook 1.3.2 Autograd：自动求导
PyTorchHandbook 1.3.3 神经网络
PyTorchHandbook 1.3.4 训练一个分类器
PyTorchHandbook 1.3.5 数据并行处理（多GPU）
PyTorchHandbook 2.1.1 PyTorch 基础张量
PyTorchHandbook 2.1.2 自动求导
PyTorchHandbook 2.1.3 神经网络包nn和优化器optm
PyTorchHandbook 2.1.4 数据的加载和预处理
PyTorchHandbook 2.2 深度学习基础及数学原理
PyTorchHandbook 2.3 神经网络简介
PyTorchHandbook 2.4 卷积神经网络
PyTorchHandbook 2.5 循环神经网络
PyTorchHandbook 3.1 logistic回归
PyTorchHandbook 3.2 CNN:MNIST数据集手写数字识别
PyTorchHandbook 3.3 RNN实例：通过Sin预测Cos
PyTorchHandbook 4.1 Fine tuning 模型微调
PyTorchHandbook 4.2.1 visdom
PyTorchHandbook 4.2.2-tensorboardx
PyTorchHandbook 4.2.3 可视化理解卷积神经网络
PyTorchHandbook 4.3 fastai
PyTorchHandbook 4.5 多GPU并行训练
PyTorchHandbook 5.1 Pytorch处理结构化数据
PyTorchHandbook 5.2 Fashion MNIST
PyTorch深度学习60分钟入门与实战（一）什么是PyTorch
PyTorch深度学习60分钟入门与实战（二）自动求导
PyTorch深度学习60分钟入门与实战（三）神经网络
PyTorch深度学习60分钟入门与实战（四）训练分类器

Diveinto Deep Learning

Diveinto Deep Learning-PyTorch-前言
Diveinto Deep Learning-PyTorch-安装
Diveinto Deep Learning-PyTorch-1.介绍
Diveinto Deep Learning-PyTorch-2.1.数据操作
Diveinto Deep Learning-PyTorch-2.2. 数据预处理
Diveinto Deep Learning-PyTorch-2.3. 线性代数
Diveinto Deep Learning-PyTorch-2.4.微积分
Diveinto Deep Learning-PyTorch-2.5. 自动求导
Dive into Deep Learning-PyTorch-2.6. 概率
Diveinto Deep Learning-PyTorch-2.7. 文档
Dive into Deep Learning-PyTorch-3.1.线性回归
Dive into Deep Learning-PyTorch-3.2. 从零开始的线性回归实现
Dive into Deep Learning-PyTorch-3.3. 线性回归的简洁实现
Dive into Deep Learning-PyTorch-3.4. Softmax回归
Diveinto Deep Learning-PyTorch-3.5. 项目分类数据集
Diveinto Deep Learning-PyTorch-3.6. Softmax回归的从零开始实现
Dive into Deep Learning-PyTorch-3.7. Softmax回归的简明实现
Dive into Deep Learning-PyTorch-4.1. 多层感知机
Dive into Deep Learning-PyTorch-4.2. 从头开始实现多层感知机
Dive into Deep Learning-PyTorch-4.3. 多层感知机的简洁实现
Dive into Deep Learning-PyTorch-4.4. 模型选择，欠拟合和过拟合
Dive into Deep Learning-PyTorch-4.5. 权重衰减
Dive into Deep Learning-PyTorch-4.6. 丢弃法
Dive into Deep Learning-PyTorch-4.7. 正向传播，向后传播和计算图
Dive into Deep Learning-PyTorch-4.8. 数值稳定性和初始化
Dive into Deep Learning-PyTorch-4.9. 环境与分布偏移
Diveinto Deep Learning-PyTorch-本书中的符号

其他

60题PyTorch简易入门指南，做技术的弄潮儿
【官方教程】Pytorch进行深度学习——60 分钟闪电入门
使用Pytorch从零开始进行图像分割
手把手教你使用Pytorch实现快速风格迁移
通过示例学习 PyTorch
CS231n计算机视觉课程-图像梯度（PyTorch）
CS231n计算机视觉课程-风格迁移(PyTorch)
深度学习之PyTorch实战-基础学习及搭建环境
深度学习之PyTorch实战2-神经网络模型搭建和参数优化