什么是 PyTorch?其实 PyTorch 可以拆成两部分:Py+Torch。Py 就是 Python,Torch 是一个有大量机器学习算法支持的科学计算框架。PyTorch 的前身是Torch,但是 Torch 是基于 Lua 语言。Lua 简洁高效,但由于其过于小众,用的人不是很多,以至于很多人听说要掌握 Torch 必须新学一门语言就望而却步。考虑到 Python 在人工智能领域的领先地位,以及其生态完整性和接口易用性,几乎任何框架都不可避免地要提供 Python 接口。终于,在 2017 年,Torch 的幕后团队使用 Python 重写了 Torch 的很多内容,推出了 PyTorch,并提供了 Python 接口。此后,PyTorch 成为最流行的深度学习框架之一。
近几年来,PyTorch 呈现大火的趋势,除了Facebook外,PyTorch 已经被 Twitter、CMU 和 Salesforce 等多个机构使用。
就在刚刚,激动人心的好消息:PyTorch 官方教程中文版正式发布啦!
教程地址:
教程介绍
本文档主要使用于 PyTorch 入门学者,主要参考 PyTorch 官方文档。官方教程包含了 PyTorch 介绍,安装教程;60 分钟快速入门教程,可以迅速从小白阶段完成一个分类器模型;计算机视觉常用模型,方便基于自己的数据进行调整,不再需要从头开始写;自然语言处理模型,聊天机器人,文本生成等生动有趣的项目。
总而言之:如果你想了解一下 PyTorch,可以看介绍部分。如果你想快速入门 PyTorch,可以看 60 分钟快速入门。如果你想解决计算机视觉问题,可以看 CV 部分。如果你想解决自然语言处理问题,可以看 NLP 部分。
教程内容
整个教程共包含了 7 部分,内容由简单到复杂,适合不同层次的学习要求。下面分别进行介绍。
1. PyTorch 之简介与下载
- PyTorch 简介
- PyTorch 环境搭建
- 安装 Anaconda 3.5
- 安装 PyTorch & torchvision
Anaconda Navigator
2. 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 数据并处理
原理解释:
3. 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
- 保存和加载模型
def train_model(model, criterion, optimizer, scheduler, num_epochs=25): since = time.time() best_model_wts = copy.deepcopy(model.state_dict()) best_acc = 0.0 for epoch in range(num_epochs): print('Epoch {}/{}'.format(epoch, num_epochs - 1)) print('-' * 10) # 每个epoch都有一个训练和验证阶段 for phase in ['train', 'val']: if phase == 'train': scheduler.step() model.train() # Set model to training mode else: model.eval() # Set model to evaluate mode running_loss = 0.0 running_corrects = 0 # 迭代数据. for inputs, labels in dataloaders[phase]: inputs = inputs.to(device) labels = labels.to(device) # 零参数梯度 optimizer.zero_grad() # 前向 # track history if only in train with torch.set_grad_enabled(phase == 'train'): outputs = model(inputs) _, preds = torch.max(outputs, 1) loss = criterion(outputs, labels) # 后向+仅在训练阶段进行优化 if phase == 'train': loss.backward() optimizer.step() # 统计 running_loss += loss.item() * inputs.size(0) running_corrects += torch.sum(preds == labels.data) epoch_loss = running_loss / dataset_sizes[phase] epoch_acc = running_corrects.double() / dataset_sizes[phase] print('{} Loss: {:.4f} Acc: {:.4f}'.format( phase, epoch_loss, epoch_acc)) # 深度复制mo if phase == 'val' and epoch_acc > best_acc: best_acc = epoch_acc best_model_wts = copy.deepcopy(model.state_dict()) print() time_elapsed = time.time() - since print('Training complete in {:.0f}m {:.0f}s'.format( time_elapsed // 60, time_elapsed % 60)) print('Best val Acc: {:4f}'.format(best_acc)) # 加载最佳模型权重 model.load_state_dict(best_model_wts) return model
4. 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
5. 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
> hello? Bot: hello . > where am I? Bot: you re in a hospital . > who are you? Bot: i m a lawyer . > how are you doing? Bot: i m fine . > are you my friend? Bot: no . > you're under arrest Bot: i m trying to help you ! > i'm just kidding Bot: i m sorry . > where are you from? Bot: san francisco . > it's time for me to leave Bot: i know . > goodbye Bot: goodbye .
6. PyTorch 之生成对抗网络
- DCGAN教程
本教程通过一个例子来对 DCGANs 进行介绍。我们将会训练一个生成对抗网络(GAN)用于在展示了许多真正的名人的图片后产生新的名人。
7. PyTorch 之强化学习
- 强化学习(DQN)教程
本教程介绍如何使用PyTorch从OpenAI Gym中的 CartPole-v0 任务上训练一个Deep Q Learning (DQN) 代理。
总的来说,这是一份非常不错的 PyTorch 中文教程!最后,再次附上教程在线网址: