魔王报道

PyTorch官方教程书限时免费!500页内容带你上手最流行框架

去年 11 月,PyTorch 官方发布权威 PyTorch 教程书籍《Deep Learning with PyTorch》,但遗憾的是当时这本书只有前五章内容免费。现在,经过更新迭代后,PyTorch 终于发布了该书的免费版本。还不快来学?

书籍地址:https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf

PyTorch 是当前最热的深度学习框架之一。自 2016 年诞生以来,PyTorch 迅速发展,成为广受开发者和研究人员喜爱的框架。根据最近的一项统计,在 ICLR 2020 和 CVPR 2020 会议中,使用 PyTorch 的论文数远超 TensorFlow,研究人员对 PyTorch 的偏爱程度进一步加深。

然而,PyTorch 直到去年 11 月才提供官方权威的 PyTorch 教程书籍《Deep Learning with PyTorch》,且只有前五个章节的内容免费可看。

最近,PyTorch 官方终于放出了该书 V3.6.8 版本的全部内容。全书约 500 页,包含 15 个章节,内容详实,图文并茂。

这本书为使用 PyTorch 构建和训练神经网络提供了详细且易于上手的教程,使用的编程语言为 Python。

这本 PyTorch 官方书籍讲了些什么

《Deep Learning with PyTorch》一书涵盖了 PyTorch 核心知识、真实示例和部署教程这三部分内容,全书的主要内容包括:
  • 深度学习和 PyTorch 简介

  • 预训练模型

  • 张量

  • 学习的机制

  • 使用神经网络拟合数据

  • 使用卷积执行泛化

  • 现实示例:构建用于癌症检测的神经网络

  • 部署到生产环境

详细目录如下所示:

书籍特点:图文并茂,代码丰富

这本书的主要特点是:图文并茂,简单易懂,案例和代码块丰富。

该书一改往日教程或教科书刻板的风格,书中随处可见的插图令人印象深刻,还包括大量手绘插图。

例如,下图展示了 PyTorch 使用 autograd 进行计算时的模型前向图和后向图:

而在介绍神经网络的计算过程时,这本书不惜用公式 + 手绘流程图 + 插图的形式,力求将整个抽象过程进行简洁地说明。

此外,该书具备配套代码,且书中案例和代码块随处可见。

配套代码地址:

  • https://www.manning.com/books/deep-learning-with-pytorch

  • https://github.com/deep-learning-with-pytorch/dlwpt-code


书中的大量代码块可以帮助读者边看书边写代码,很多代码都会有如下类似的「脚注」说明。

设计训练循环的代码块示例。

除此之外,该书还有讨论论坛:https://livebook.manning.com/#!/book/deep-learning-with-pytorch/discussion。购买该书后,读者可以在此留言,与书籍作者和其他读者互动。在此页面免费预览该书的读者,也可以查看其他人的留言和讨论。

其他教程

如果这本 PyTorch 官方书籍无法满足你的学习需要,你还可以查看其他教程,如:

入门深度学习PyTorch
41
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

推荐文章
合肥工业大学・软件工程・其他