上次寫了TensorFlow的快速入門資料，受到很多好評，讀者強烈建議我出一個pytorch的快速入門路線，經過翻譯和搜索網上資源，我推薦3份入門資料，希望對大家有所幫助。

備注：TensorFlow的快速入門資料

很負責任地說：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 深度學習:60分鐘快速入門（官網翻譯）

“PyTorch 深度學習:60分鐘快速入門”為PyTorch官網教程，網上已經有部分翻譯作品，隨著PyTorch1.0版本的公布，這個教程有較大的代碼改動，本人對教程進行重新翻譯，并測試運行了官方代碼，制作成Jupyter Notebook文件（中文注釋）在github予以公布。

本文內容較多，可以在線學習，如果需要本地調試，請到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：

• 在高層次上理解PyTorch的張量(Tensor)庫和神經網絡

• 訓練一個小型神經網絡對圖像進行分類

• 本教程假設您對numpy有基本的了解

注意：務必確認您已經安裝了 torch 和 torchvision 兩個包。

目錄

• 一、Pytorch是什么？

• 二、AUTOGRAD

• 三、神經網絡

• 四、訓練一個分類器

• 五、數據并行

圖：翻譯截圖

2.PyTorch 中文手冊（pytorch handbook）（github標星7900+）

資源地址：

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

這是一本開源的書籍，目標是幫助那些希望和使用PyTorch進行深度學習開發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?PyTorch 簡介

第二節?PyTorch 環境搭建

第三節?PyTorch 深度學習：60分鐘快速入門（官方）

張量

Autograd：自動求導

神經網絡

訓練一個分類器

選讀：數據并行處理（多GPU）

4.相關資源介紹

第二章 ：?基礎

第一節 PyTorch 基礎

張量

自動求導

神經網絡包nn和優化器optm

數據的加載和預處理

第二節 深度學習基礎及數學原理

深度學習基礎及數學原理

第三節 神經網絡簡介

神經網絡簡介

第四節 卷積神經網絡

卷積神經網絡

第五節 循環神經網絡

循環神經網絡

第三章 ：?實踐

第一節?logistic回歸

logistic回歸二元分類

第二節?CNN:MNIST數據集手寫數字識別

CNN:MNIST數據集手寫數字識別

第三節?RNN實例：通過Sin預測Cos

RNN實例：通過Sin預測Cos

第四章 ：?提高

第一節 Fine-tuning

Fine-tuning

第二節 可視化

visdom

tensorboardx

可視化理解卷積神經網絡

第三節 Fast.ai

Fast.ai

第五節 多GPU并行訓練

多GPU并行計算

第五章 ：?應用

第一節 Kaggle介紹

Kaggle介紹

第二節 結構化數據

第三節 計算機視覺

第四節 自然語言處理

3.Pytorch教程（github標星13600+）

資源地址：

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

資源介紹：

這個資源為深度學習研究人員提供了學習PyTorch的教程代碼大多數模型都使用少于30行代碼實現。在開始本教程之前，建議先看完Pytorch官方教程。（大部分教程是PyTorch0.4實現的，代碼與1.0+稍微有點不同，總體影響不大）

配置環境：

python 2.7或者3.5以上，pytorch 0.4

資源目錄：

1.基礎知識

• PyTorch基礎知識

• 線性回歸

• Logistic回歸

• 前饋神經網絡

2.中級

• 卷積神經網絡

• 深度殘差網絡

• 遞歸神經網絡

• 雙向遞歸神經網絡

• 語言模型（RNN-LM）

3.高級

• 生成性對抗網絡

• 變分自動編碼器

• 神經風格轉移

• 圖像字幕（CNN-RNN）

4.工具

• PyTorch中的TensorBoard

暫時想到這么多，歡迎留言補充。（黃海廣）

機器學習初學者

黃海廣博士創建的公眾號，黃海廣博士個人知乎粉絲22000+，github排名全球前120名（31000+）。本公眾號致力于人工智能方向的科普性文章，為初學者提供學習路線和基礎資料。原創作品有：吳恩達機器學習個人筆記、吳恩達深度學習筆記等。

往期精彩回顧

• 那些年做的學術公益-你不是一個人在戰斗

• 良心推薦：機器學習入門資料匯總及學習建議
  

• 吳恩達機器學習課程筆記及資源（github標星12000+，提供百度云鏡像）

• 吳恩達深度學習筆記及視頻等資源（github標星8500+，提供百度云鏡像）

• 《統計學習方法》的python代碼實現（github標星7200+）
  

• 精心整理和翻譯的機器學習的相關數學資料

• 首發：深度學習入門寶典-《python深度學習》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，請回復“加群”

加入知識星球（4200+用戶，ID：92416895），請回復“知識星球”

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。