Deep-Learning-with-PyTorch-Chinese

KO | EN

gitlite — search

#python #react #ai #android #rust #deep-learning #nodejs #java #kubernetes #awesome-list #security #pytorch #openai #open-source

Deep-Learning-with-PyTorch-Chinese

(★ 49)

深度学习与PyTorch 中文版

Deep-Learning-with-PyTorch-Chinese 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Deep-Learning-with-PyTorch-Chinese 
# 深度学习与PyTorch（中文版）-paper2Fox

**特别鸣谢**：本项目受[ShusenTang](https://github.com/ShusenTang/Deep-Learning-with-PyTorch-Chinese)的开源项目（基本摘要版）启发而进行，旨在**完成对完整版书籍的翻译**。

本项目（[链接](https://github.com/paper2Fox/Deep-Learning-with-PyTorch-Chinese)）预计将PyTorch官方书籍[《Deep learning with PyTorch》](https://pytorch.org/deep-learning-with-pytorch)翻译成中文。目前该书在PyTorch官网可以免费领取（[传送门](https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf)）,也可以在Manning订购正版（[传送门](https://www.manning.com/books/deep-learning-with-pytorch)）。

[This project](https://github.com/paper2Fox/Deep-Learning-with-PyTorch-Chinese) aims to translate the PyTorch official book ***Deep learning with PyTorch*** into Chinese.

## 1. 书籍简介
自 2016 年诞生以来，PyTorch 已经成为当今最火热的深度学习框架之一。最近，官方权威的 PyTorch 教程书《Deep learning with PyTorch》终于问世了，消息一出就获得巨佬 Yann LeCun 力荐，是入门PyTorch及深度学习的绝佳教材。作者：**ELI STEVENS, LUCA ANTIGA, AND THOMAS VIEHMANN**
<div align=center>
<img width="350" src="img/twitter.png" alt="twitter"/>
</div>

目前，[PyTorch官网提供的PDF](https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf)已经是**2020年7月正式出版**的完整版，共**522**页，内容共包括以下三大部分：

1. 核心PyTorch（第1-8章）
2. 从现实世界中的图像中学习：肺癌的早期发现（第9-14章）
3. 部署（第15章）

该书提供了详细的动手入门，介绍了如何使用流行的开源机器学习框架**PyTorch**构建和训练神经网络。内容涵盖：

* 深度学习和PyTorch库简介
* 预训练网络
* 张量
* 学习机制
* 使用神经网络拟合数据
* 使用卷积泛化
* 真实示例：建立用于癌症检测的神经网络
* 部署到生产

**原书的GitHub**[链接](https://github.com/deep-learning-with-pytorch/dlwpt-code)提供了可运行代码和数据集下载，本项目不再另行搬运，请读者们移步原贴。

**Manning**购买下载链接: https://www.manning.com/books/deep-learning-with-pytorch

**Amazon**购买下载链接: https://amzn.to/38Iwrff (affiliate link)

原书勘误可以在manning 查找, 或者查看 https://deep-learning-with-pytorch.github.io/dlwpt-code/errata.html

## 2. 项目简介

**本项目计划将原书翻译成中文，目前正持续更新中。**

**《深度学习与PyTorch》** 面向对PyTorch感兴趣，尤其是想快速入门PyTorch的童鞋。本项目并不要求你有任何深度学习或者机器学习的背景知识，你只需了解基础的数学和编程，如基础的线性代数、微分和概率，以及基础的Python编程。相比于其他的参考型教材，这本书是通过逐步深入进而掌握PyTorch的不二之选。

本[仓库](https://github.com/paper2Fox/Deep-Learning-with-PyTorch-Chinese)的master分支将提供markdown格式的中文翻译，后续会推出可供下载的版本。目前暂时仅提供**Gitbook在线预览**。

**在线预览：**
## https://paper2fox.github.io/Deep-Learning-with-PyTorch-Chinese/

欢迎对本项目做出贡献或提出issue。

## 3. 目录

* [关于本项目](./README.md)
* [关于本书](about/about_this_book.md)
* [关于作者](about/about_the_authors.md)
* [关于封面](about/about_the_cover_illustration.md)

* [Part 1 核心PyTorch](./Chapter1/1.0.md)
* [1. 深度学习和PyTorch库简介](./Chapter1/1.1.md)
    * [1.1 深度学习革命](./Chapter1/1.1.md#chap1-1)
    * [1.2 深度学习：PyTorch](./Chapter1/1.1.md#chap1-2)
    * [1.3 为什么使用深度学习](./Chapter1/1.1.md#chap1-3) 
    * [1.4 概述PyTorch如何支持深度学习项目](./Chapter1/1.1.md#chap1-4)   
    * [1.5 硬件和软件要求](./Chapter1/1.1.md#chap1-5)  
    * [1.6 练习](./Chapter1/1.1.md#chap1-6)  
    * [1.7 小结](./Chapter1/1.1.md#chap1-7)
* [2. 预训练网络](./Chapter2/2.1.md)     
    * [2.1 一种可识别图像主体的预训练网络](./Chapter2/2.1.md#chap2-1)
    * [2.2 一种从伪到真的预训练模型](./Chapter2/2.1.md#chap2-2)
    * [2.3 一种描述场景的预训练网络](./Chapter2/2.1.md#chap2-3)
    * [2.4 Torch Hub](./Chapter2/2.1.md#chap2-4)
    * [2.5 结论](./Chapter2/2.1.md#chap2-5)
    * [2.6 练习](./Chapter2/2.1.md#chap2-6)
    * [2.7 小结](./Chapter2/2.1.md#chap2-7)
* [3. 从张量开始](./Chapter3/3.1.md)     
    * [3.1 浮点数世界](./Chapter3/3.1.md#chap3-1)
    * [3.2 张量：多维数组](./Chapter3/3.1.md#chap3-2)
    * [3.3 索引张量](./Chapter3/3.1.md#chap3-3)
    * [3.4 命名张量](./Chapter3/3.1.md#chap3-4)
    * [3.5 张量元素类型](./Chapter3/3.1.md#chap3-5)
    * [3.6 张量API](./Chapter3/3.1.md#chap3-6)
    * [3.7 张量：存储的风景](./Chapter3/3.1.md#chap3-7)
    * [3.8 张量元数据：尺寸、偏移和步长](./Chapter3/3.1.md#chap3-8)
    * [3.9 移动张量至GPU](./Chapter3/3.1.md#chap3-9)
    * [3.10 NumPy互操作性](./Chapter3/3.1.md#chap3-10)
    * [3.11 广义张量也是张量](./Chapter3/3.1.md#chap3-11)
    * [3.12 序列化张量](./Chapter3/3.1.md#chap3-12)
    * [3.13 结论](./Chapter3/3.1.md#chap3-13)
    * [3.14 练习](./Chapter3/3.1.md#chap3-14)
    * [3.15 小结](./Chapter3/3.1.md#chap3-15)

**未完待续**

## 4. 声明

* 译者纯粹出于学习目的与个人兴趣而进行翻译，不追求任何经济利益；
* 本项目仅限于学习研究目的的使用，译者保留对此项目的署名权，任何转载必须注明出处，但不得用于任何商业用途；
* 使用本项目对原著的侵权行为或者违反知识产权保护法的任何行为，与译者无关；
* 有能力阅读英文书籍者请阅读原版或购买完整版书籍。

## LICENSE
CC BY-NC（署名-非商业性使用）4.0

Deep-Learning-with-PyTorch-Chinese

Deep-Learning-with-PyTorch-Chinese 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Deep-Learning-with-PyTorch-Chinese

Deep-Learning-with-PyTorch-Chinese 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README