Skip to content
【布客】PyTorch 中文翻译
生产性使用
Initializing search
apachecn/pytorch-doc-zh
【布客】PyTorch 中文翻译
apachecn/pytorch-doc-zh
PyTorch 中文文档 & 教程
PyTorch 新特性
PyTorch 2.0 中文文档 & 教程
PyTorch 1.7 中文文档
PyTorch 1.7 中文文档
学习 PyTorch
学习 PyTorch
PyTorch 深度学习：60 分钟的突击
PyTorch 深度学习：60 分钟的突击
介绍
张量
torch.autograd的简要介绍
神经网络
训练分类器
通过示例学习 PyTorch
通过示例学习 PyTorch
介绍
热身：NumPy
PyTorch：张量
PyTorch：张量和 Autograd
PyTorch：定义新的 Autograd 函数
PyTorch：nn
PyTorch：optim
PyTorch：自定义nn模块
PyTorch：控制流 - 权重共享
torch.nn到底是什么？
使用 TensorBoard 可视化模型，数据和训练
图片/视频
图片/视频
torchvision对象检测微调教程
计算机视觉的迁移学习教程
对抗示例生成
DCGAN 教程
音频
音频
音频 I/O 和torchaudio的预处理
使用torchaudio的语音命令识别
文本
文本
使用nn.Transformer和torchtext的序列到序列建模
从零开始的 NLP：使用字符级 RNN 分类名称
从零开始的 NLP：使用字符级 RNN 生成名称
从零开始的 NLP：使用序列到序列网络和注意力的翻译
使用torchtext的文本分类
torchtext语言翻译
强化学习
强化学习
强化学习（DQN）教程
训练玩马里奥的 RL 智能体
在生产中部署 PyTorch 模型
在生产中部署 PyTorch 模型
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
TorchScript 简介
在 C++ 中加载 TorchScript 模型
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）
前端 API
前端 API
PyTorch 中的命名张量简介（原型）
PyTorch 中通道在最后的内存格式（beta）
使用 PyTorch C++ 前端
自定义 C++ 和 CUDA 扩展
使用自定义 C++ 运算符扩展 TorchScript
使用自定义 C++ 类扩展 TorchScript
TorchScript 中的动态并行性
C++ 前端中的 Autograd
在 C++ 中注册调度运算符
模型优化
模型优化
分析您的 PyTorch 模块
使用 Ray Tune 的超参数调整
模型剪裁教程
LSTM 单词语言模型上的动态量化（beta）
BERT 上的动态量化（Beta）
PyTorch 中使用 Eager 模式的静态量化（beta）
计算机视觉的量化迁移学习教程（beta）
并行和分布式训练
并行和分布式训练
PyTorch 分布式概述
单机模型并行最佳实践
分布式数据并行入门
用 PyTorch 编写分布式应用
分布式 RPC 框架入门
使用分布式 RPC 框架实现参数服务器
使用 RPC 的分布式管道并行化
使用异步执行实现批量 RPC 处理
将分布式DataParallel与分布式 RPC 框架相结合
PyTorch 1.4 中文文档 & 教程
PyTorch 1.4 中文文档 & 教程
入门
入门
使用 PyTorch 进行深度学习：60 分钟的闪电战
使用 PyTorch 进行深度学习：60 分钟的闪电战
介绍
什么是PyTorch
Autograd：自动求导
神经网络
训练分类器
可选：数据并行
编写自定义数据集，数据加载器和转换
使用 TensorBoard 可视化模型，数据和训练
图片
图片
TorchVision 对象检测微调教程
转移学习的计算机视觉教程
空间变压器网络教程
使用 PyTorch 进行神经传递
对抗示例生成
DCGAN 教程
音频
音频
torchaudio 教程
文本
文本
NLP From Scratch: 使用char-RNN对姓氏进行分类
NLP From Scratch: 生成名称与字符级RNN
NLP From Scratch: 基于注意力机制的 seq2seq 神经网络翻译
使用 TorchText 进行文本分类
使用 TorchText 进行语言翻译
使用 nn.Transformer 和 TorchText 进行序列到序列建模
命名为 Tensor(实验性）
命名为 Tensor(实验性）
(实验性)PyTorch 中的命名张量简介
强化学习
强化学习
强化学习(DQN)教程
在生产中部署 PyTorch 模型
在生产中部署 PyTorch 模型
通过带有 Flask 的 REST API 在 Python 中部署 PyTorch
TorchScript 简介
在 C --中加载 TorchScript 模型
(可选）将模型从 PyTorch 导出到 ONNX 并使用 ONNX Runtime 运行
并行和分布式训练
并行和分布式训练
单机模型并行最佳实践
分布式数据并行入门
用 PyTorch 编写分布式应用程序
分布式 RPC 框架入门
(高级）带有 Amazon AWS 的 PyTorch 1.0 分布式训练师
扩展 PyTorch
扩展 PyTorch
使用自定义 C --运算符扩展 TorchScript
使用自定义 C --类扩展 TorchScript
使用 numpy 和 scipy 创建扩展
自定义 C --和 CUDA 扩展
模型优化
模型优化
LSTM Word 语言模型上的(实验）动态量化
(实验性）在 PyTorch 中使用 Eager 模式进行静态量化
(实验性）计算机视觉教程的量化转移学习
(实验）BERT 上的动态量化
修剪教程
PyTorch 用其他语言
PyTorch 用其他语言
使用 PyTorch C --前端
PyTorch 基础知识
PyTorch 基础知识
通过示例学习 PyTorch
torch.nn 到底是什么？
笔记
笔记
自动求导机制
广播语义
CPU 线程和 TorchScript 推断
CUDA 语义
分布式 Autograd 设计
扩展 PyTorch
经常问的问题
大规模部署的功能
并行处理最佳实践
重现性
远程参考协议
序列化语义
Windows 常见问题
XLA 设备上的 PyTorch
语言绑定
语言绑定
PyTorch C -- API
PyTorch Java API
Python API
Python API
torch
torch.nn
torch功能
torch张量
张量属性
自动差分包-Torch.Autograd
torch.cuda
分布式通讯包-Torch.Distributed
概率分布-torch分布
torch.hub
torch脚本
torch.nn.init
torch.onnx
torch.optim
量化
分布式 RPC 框架
torch随机
torch稀疏
torch存储
torch.utils.bottleneck
torch.utils.checkpoint
torch.utils.cpp_extension
torch.utils.data
torch.utils.dlpack
torch.utils.model_zoo
torch.utils.tensorboard
类型信息
命名张量
命名为 Tensors 操作员范围
糟糕！
torchvision参考
torchvision参考
torchvision
音频参考
音频参考
torchaudio
torchtext参考
torchtext参考
torchtext
社区
社区
PyTorch 贡献指南
PyTorch 治理
PyTorch 治理| 感兴趣的人
PyTorch 1.0 中文文档 & 教程
PyTorch 1.0 中文文档 & 教程
目录
中文教程
中文教程
入门
入门
PyTorch 深度学习: 60 分钟极速入门
PyTorch 深度学习: 60 分钟极速入门
介绍
什么是 PyTorch？
Autograd：自动求导
神经网络
训练分类器
可选：数据并行处理
数据加载和处理教程
用例子学习 PyTorch
迁移学习教程
混合前端的 seq2seq 模型部署
Saving and Loading Models
What is torch.nn really?
图像
图像
Torchvision 模型微调
空间变换器网络教程
使用 PyTorch 进行图像风格转换
对抗性示例生成
使用 ONNX 将模型从 PyTorch 传输到 Caffe2 和移动端
文本
文本
聊天机器人教程
使用字符级别特征的 RNN 网络生成姓氏
使用字符级别特征的 RNN 网络进行姓氏分类
Deep Learning for NLP with Pytorch
Deep Learning for NLP with Pytorch
在深度学习和 NLP 中使用 Pytorch
PyTorch 介绍
使用 PyTorch 进行深度学习
Word Embeddings: Encoding Lexical Semantics
序列模型和 LSTM 网络
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF
基于注意力机制的 seq2seq 神经网络翻译
生成
生成
DCGAN Tutorial
强化学习
强化学习
Reinforcement Learning (DQN) Tutorial
扩展 PyTorch
扩展 PyTorch
用 numpy 和 scipy 创建扩展
Custom C++ and CUDA Extensions
Extending TorchScript with Custom C++ Operators
生产性使用
生产性使用
Writing Distributed Applications with PyTorch
使用 Amazon AWS 进行分布式训练
ONNX 现场演示教程
在 C++ 中加载 PYTORCH 模型
其它语言中的 PyTorch
其它语言中的 PyTorch
使用 PyTorch C++ 前端
中文文档
中文文档
注解
注解
自动求导机制
广播语义
CUDA 语义
Extending PyTorch
Frequently Asked Questions
Multiprocessing best practices
Reproducibility
Serialization semantics
Windows FAQ
包参考
包参考
torch
torch
介绍
Tensors
Random sampling
Serialization, Parallelism, Utilities
Math operations
Math operations
Pointwise Ops
Reduction Ops
Comparison Ops
Spectral Ops
Other Operations
BLAS and LAPACK Operations
torch.Tensor
Tensor Attributes
数据类型信息
torch.sparse
torch.cuda
torch.Storage
torch.nn
torch.nn.functional
torch.nn.init
torch.optim
Automatic differentiation package - torch.autograd
Distributed communication package - torch.distributed
Probability distributions - torch.distributions
Torch Script
多进程包 - torch.multiprocessing
torch.utils.bottleneck
torch.utils.checkpoint
torch.utils.cpp_extension
torch.utils.data
torch.utils.dlpack
torch.hub
torch.utils.model_zoo
torch.onnx
Distributed communication package (deprecated) - torch.distributed.deprecated
torchvision 参考
torchvision 参考
目录
torchvision.datasets
torchvision.models
torchvision.transforms
torchvision.utils
PyTorch 0.4 中文文档
PyTorch 0.3 中文文档 & 教程
PyTorch 0.2 中文文档
贡献指南
关于我们
加入我们
中文资源合集
生产性使用
我们一直在努力
apachecn/AiLearning
为正常使用来必力评论功能请激活JavaScript
回到顶部
