实战!PyTorch中文版官方教程下载+400页《TensorFlow 2.0 深度学习算法实战》中文版教材代码+pdf免费下载...

    科技2023-11-23  94

    编辑:机器学习算法与自然语言处理

    PyTorch 中文版官方教程来了。

     

    PyTorch 是近期最为火爆的深度学习框架之一,然而其中文版官方教程久久不来。近日,一款完整的 PyTorch 中文版官方教程出炉,读者朋友从中可以更好的学习了解 PyTorch 的相关细节了。教程作者来自 pytorchchina.com。

     

    教程网站:http://pytorch123.com 

     

    教程里有什么

    教程根据 PyTorch 官方版本目录,完整地还原了所有的内容。包括简单的环境搭建、快速入门相关 API、高级操作、图像处理实战、文本处理实战、GAN 和强化学习等,基本涵盖了目前所有深度学习相关的知识点。

     

     

    教程的一部分内容,使用 torch.view 改变 tensor 的大小或形状

     

                 

     

    用教程设计一个聊天机器人,以上为部分对话。

                 

     

    教程目录

     

    PyTorch 之简介与下载

    PyTorch 简介

    PyTorch 环境搭建

    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 数据并行处理

     

    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

    混合前端

    预备环境

    保存和加载模型

        

    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

     

    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

     

    PyTorch 之生成对抗网络

    生成对抗网络

     

    PyTorch 之强化学习

    强化学习

     

     

    为了方便大家本地查看,帮大家打包好了一份 PDF版本。

     

    扫描下方二维码,关注【Python时代与机器学习】公众号:

     

    在【Python时代与机器学习】公众号后台回复关键字 pytorch,即可获取。

    并且还给大家分享一份 11 月刚刚出炉的《TensorFlow 2.0 深度学习算法实战》中文版教材。

    本书共有 15 章,内容上可分为 4 个部分:第 1~3 章为第 1 部分,主要介绍人工智能的初步认知和背景;第 4~5 章为第 2 部分,主要介绍 TensorFlow 的相关基础知识,为后面的内容进行铺垫;第 6~9 章为第 3 部分,主要介绍神经网络的核心理论知识点和算法,让读者对深度学习的本质有更深的理解;第 10~15 章为模型算法的应用部分,主要介绍一些常见的算法和模型。

    本书不仅包括丰富的内容,更重要的是,还配套了相应的代码,通过代码学习是最快进行消化知识的一个方法。所有的项目都是 基于TensorFlow 2.0实战。

    目前,所有的项目代码已开源,并发布在 GitHub 上。地址为:

    https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book

    我们也给大家整理好了资源

    资源下载

    《TensorFlow 2.0 深度学习算法实战》中文版教材电子版 pdf 已经打包好,获取步骤如下:

    扫描下方二维码,关注【Python时代与机器学习】公众号:

     

    在【Python时代与机器学习】公众号后台回复关键字 TF20,即可获取。

    Processed: 0.011, SQL: 8