上次寫了TensorFlow的快速入門資料，受到很多好評(píng)，讀者強(qiáng)烈建議我出一個(gè)pytorch的快速入門路線，經(jīng)過翻譯和搜索網(wǎng)上資源，我推薦3份入門資料，希望對(duì)大家有所幫助。

備注：TensorFlow的快速入門資料

很負(fù)責(zé)任地說：看完這些資料，Pytorch基本入門了，接下來碰到問題能自己查資料解決了！（本文作者：黃海廣）

推薦資料

1.PyTorch 深度學(xué)習(xí):60分鐘快速入門（官網(wǎng)翻譯）

“PyTorch 深度學(xué)習(xí):60分鐘快速入門”為PyTorch官網(wǎng)教程，網(wǎng)上已經(jīng)有部分翻譯作品，隨著PyTorch1.0版本的公布，這個(gè)教程有較大的代碼改動(dòng)，本人對(duì)教程進(jìn)行重新翻譯，并測(cè)試運(yùn)行了官方代碼，制作成Jupyter Notebook文件（中文注釋）在github予以公布。

本文內(nèi)容較多，可以在線學(xué)習(xí)，如果需要本地調(diào)試，請(qǐng)到github下載：

https://github.com/fengdu78/Data-Science-Notes/tree/master/8.deep-learning/PyTorch_beginner

此教程為翻譯官方地址：

https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html

作者:Soumith Chintala

本教程的目標(biāo)：

• 在高層次上理解PyTorch的張量(Tensor)庫和神經(jīng)網(wǎng)絡(luò)

• 訓(xùn)練一個(gè)小型神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行分類

• 本教程假設(shè)您對(duì)numpy有基本的了解

注意：務(wù)必確認(rèn)您已經(jīng)安裝了 torch 和 torchvision 兩個(gè)包。

目錄

• 一、Pytorch是什么？

• 二、AUTOGRAD

• 三、神經(jīng)網(wǎng)絡(luò)

• 四、訓(xùn)練一個(gè)分類器

• 五、數(shù)據(jù)并行

圖：翻譯截圖

2.PyTorch 中文手冊(cè)（pytorch handbook）（github標(biāo)星7900+）

資源地址：

https://github.com/zergtant/pytorch-handbook

這是一本開源的書籍，目標(biāo)是幫助那些希望和使用PyTorch進(jìn)行深度學(xué)習(xí)開發(fā)和研究的朋友快速入門。我試了一下里面的ipynb代碼，非常全面，值得推薦。

資源目錄：

第一章 ：PyTorch入門

第一節(jié)?PyTorch 簡介

第二節(jié)?PyTorch 環(huán)境搭建

第三節(jié)?PyTorch 深度學(xué)習(xí)：60分鐘快速入門（官方）

張量

Autograd：自動(dòng)求導(dǎo)

神經(jīng)網(wǎng)絡(luò)

訓(xùn)練一個(gè)分類器

選讀：數(shù)據(jù)并行處理（多GPU）

4.相關(guān)資源介紹

第二章 ：?基礎(chǔ)

第一節(jié) PyTorch 基礎(chǔ)

張量

自動(dòng)求導(dǎo)

神經(jīng)網(wǎng)絡(luò)包nn和優(yōu)化器optm

數(shù)據(jù)的加載和預(yù)處理

第二節(jié) 深度學(xué)習(xí)基礎(chǔ)及數(shù)學(xué)原理

深度學(xué)習(xí)基礎(chǔ)及數(shù)學(xué)原理

第三節(jié) 神經(jīng)網(wǎng)絡(luò)簡介

神經(jīng)網(wǎng)絡(luò)簡介

第四節(jié) 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)

第五節(jié) 循環(huán)神經(jīng)網(wǎng)絡(luò)

循環(huán)神經(jīng)網(wǎng)絡(luò)

第三章 ：?實(shí)踐

第一節(jié)?logistic回歸

logistic回歸二元分類

第二節(jié)?CNN:MNIST數(shù)據(jù)集手寫數(shù)字識(shí)別

CNN:MNIST數(shù)據(jù)集手寫數(shù)字識(shí)別

第三節(jié)?RNN實(shí)例：通過Sin預(yù)測(cè)Cos

RNN實(shí)例：通過Sin預(yù)測(cè)Cos

第四章 ：?提高

第一節(jié) Fine-tuning

Fine-tuning

第二節(jié) 可視化

visdom

tensorboardx

可視化理解卷積神經(jīng)網(wǎng)絡(luò)

第三節(jié) Fast.ai

Fast.ai

第五節(jié) 多GPU并行訓(xùn)練

多GPU并行計(jì)算

第五章 ：?應(yīng)用

第一節(jié) Kaggle介紹

Kaggle介紹

第二節(jié) 結(jié)構(gòu)化數(shù)據(jù)

第三節(jié) 計(jì)算機(jī)視覺

第四節(jié) 自然語言處理

3.Pytorch教程（github標(biāo)星13600+）

資源地址：

https://github.com/yunjey/pytorch-tutorial

資源介紹：

這個(gè)資源為深度學(xué)習(xí)研究人員提供了學(xué)習(xí)PyTorch的教程代碼大多數(shù)模型都使用少于30行代碼實(shí)現(xiàn)。在開始本教程之前，建議先看完P(guān)ytorch官方教程。（大部分教程是PyTorch0.4實(shí)現(xiàn)的，代碼與1.0+稍微有點(diǎn)不同，總體影響不大）

配置環(huán)境：

python 2.7或者3.5以上，pytorch 0.4

資源目錄：

1.基礎(chǔ)知識(shí)

• PyTorch基礎(chǔ)知識(shí)

• 線性回歸

• Logistic回歸

• 前饋神經(jīng)網(wǎng)絡(luò)

2.中級(jí)

• 卷積神經(jīng)網(wǎng)絡(luò)

• 深度殘差網(wǎng)絡(luò)

• 遞歸神經(jīng)網(wǎng)絡(luò)

• 雙向遞歸神經(jīng)網(wǎng)絡(luò)

• 語言模型（RNN-LM）

3.高級(jí)

• 生成性對(duì)抗網(wǎng)絡(luò)

• 變分自動(dòng)編碼器

• 神經(jīng)風(fēng)格轉(zhuǎn)移

• 圖像字幕（CNN-RNN）

4.工具

• PyTorch中的TensorBoard

暫時(shí)想到這么多，歡迎留言補(bǔ)充。（黃海廣）

機(jī)器學(xué)習(xí)初學(xué)者

黃海廣博士創(chuàng)建的公眾號(hào)，黃海廣博士個(gè)人知乎粉絲22000+，github排名全球前120名（31000+）。本公眾號(hào)致力于人工智能方向的科普性文章，為初學(xué)者提供學(xué)習(xí)路線和基礎(chǔ)資料。原創(chuàng)作品有：吳恩達(dá)機(jī)器學(xué)習(xí)個(gè)人筆記、吳恩達(dá)深度學(xué)習(xí)筆記等。

往期精彩回顧

• 那些年做的學(xué)術(shù)公益-你不是一個(gè)人在戰(zhàn)斗

• 良心推薦：機(jī)器學(xué)習(xí)入門資料匯總及學(xué)習(xí)建議
  

• 吳恩達(dá)機(jī)器學(xué)習(xí)課程筆記及資源（github標(biāo)星12000+，提供百度云鏡像）

• 吳恩達(dá)深度學(xué)習(xí)筆記及視頻等資源（github標(biāo)星8500+，提供百度云鏡像）

• 《統(tǒng)計(jì)學(xué)習(xí)方法》的python代碼實(shí)現(xiàn)（github標(biāo)星7200+）
  

• 精心整理和翻譯的機(jī)器學(xué)習(xí)的相關(guān)數(shù)學(xué)資料

• 首發(fā)：深度學(xué)習(xí)入門寶典-《python深度學(xué)習(xí)》原文代碼中文注釋版及電子書

• 圖解word2vec(原文翻譯)
  

備注：加入本站微信群或者qq群，請(qǐng)回復(fù)“加群”

加入知識(shí)星球（4200+用戶，ID：92416895），請(qǐng)回復(fù)“知識(shí)星球”

總結(jié)

以上是生活随笔為你收集整理的带你少走弯路：强烈推荐的Pytorch快速入门资料和翻译（可下载）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。