discover · compare · collections · requirements · contribute · feed · watching · stats · help with your tokens
zergtant/pytorch-handbook · source
Snapshot 0 · 2026-11-04T12:47:25Z · Jupyter Notebook ·
Content fingerprint
22825f74c09f37a648380f3e76ab8573fae7fce1556d73ce3d382dd1b7f8d85cGitHub description at capture
pytorch handbook是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门，其中包含的Pytorch教程全部通过测试保证可以成功运行
README at capture
# PyTorch 中文手册（pytorch handbook）
## 书籍介绍
这是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门。
由于本人水平有限，在写此教程的时候参考了一些网上的资料，在这里对他们表示敬意，我会在每个引用中附上原文地址，方便大家参考。
深度学习的技术在飞速的发展，同时PyTorch也在不断更新，且本人会逐步完善相关内容。
## 版本说明
由于PyTorch版本更迭，教程的版本会与PyTorch版本，保持一致。
[pytorch大版本更新的主要变动总结](pytorch-changelog.md) 当前版本 1.11
## 在线版本和PDF
国内的镜像，速度很快，不会被墙：https://www.pytorch.wiki/
PDF文件目前还没有找到好的生成方法，有熟悉这方面的朋友可以联系我，感激不尽
## QQ 6群
群号：760443051
点击链接加入群聊【PyTorch Handbook 交流6群】：https://jq.qq.com/?_wv=1027&k=X4Ro6uWv
1群(985896536)已满，2群(681980831) 3群(773681699)已满 4群(884017356)已满 5群(894059877)已满
不要再加了
## 新福利
公众账号每日分享干货文章
## 说明
- 修改错别字请直接提issue或PR
- PR时请注意版本
- 有问题也请直接提issue
感谢
## 目录
### 第一章：PyTorch 入门
1. [PyTorch 简介](chapter1/1.1-pytorch-introduction.md)
2. [PyTorch 环境搭建](chapter1/1.2-pytorch-installation.md)
3. [PyTorch 深度学习：60分钟快速入门（官方）](chapter1/1.3-deep-learning-with-pytorch-60-minute-blitz.md)
- [张量](chapter1/1_tensor_tutorial.ipynb)
- [Autograd：自动求导](chapter1/2_autograd_tutorial.ipynb)
- [神经网络](chapter1/3_neural_networks_tutorial.ipynb)
- [训练一个分类器](chapter1/4_cifar10_tutorial.ipynb)
- [选读：数据并行处理（多GPU）](chapter1/5_data_parallel_tutorial.ipynb)
4. [相关资源介绍](chapter1/1.4-pytorch-resource.md)
### 第二章 基础
#### 第一节 PyTorch 基础
1. [张量](chapter2/2.1.1.pytorch-basics-tensor.ipynb)
2. [自动求导](chapter2/2.1.2-pytorch-basics-autograd.ipynb)
3. [神经网络包nn和优化器optm](chapter2/2.1.3-pytorch-basics-nerual-network.ipynb)
4. [数据的加载和预处理](chapter2/2.1.4-pytorch-basics-data-loader.ipynb)
#### 第二节 深度学习基础及数学原理
[深度学习基础及数学原理](chapter2/2.2-deep-learning-basic-mathematics.ipynb)
#### 第三节 神经网络简介
[神经网络简介](chapter2/2.3-deep-learning-neural-network-introduction.ipynb) 注：本章在本地使用微软的Edge打开会崩溃，请使Chrome Firefox打开查看
#### 第四节 卷积神经网络
[卷积神经网络](chapter2/2.4-cnn.ipynb)
#### 第五节 循环神经网络
[循环神经网络](chapter2/2.5-rnn.ipynb)
### 第三章 实践
#### 第一节 logistic回归二元分类
[logistic回归二元分类](chapter3/3.1-logistic-regression.ipynb)
#### 第二节 CNN:MNIST数据集手写数字识别
[CNN:MNIST数据集手写数字识别](chapter3/3.2-mnist.ipynb)
#### 第三节 RNN实例：通过Sin预测Cos
[RNN实例：通过Sin预测Cos](chapter3/3.3-rnn.ipynb)
### 第四章 提高
#### 第一节 Fine-tuning
[Fine-tuning](chapter4/4.1-fine-tuning.ipynb)
#### 第二节 可视化
[visdom](chapter4/4.2.1-visdom.ipynb)
[tensorboardx](chapter4/4.2.2-tensorboardx.ipynb)
[可视化理解卷积神经网络](chapter4/4.2.3-cnn-visualizing.ipynb)
#### 第三节 Fast.ai
[Fast.ai](chapter4/4.3-fastai.ipynb)
#### 第四节 训练的一些技巧
#### 第五节 多GPU并行训练
[多GPU并行计算](chapter4/4.5-multiply-gpu-parallel-training.ipynb)
#### 补充翻译文章：在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练
[在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练](chapter4/distributeddataparallel)
### 第五章 应用
#### 第一节 Kaggle介绍
[Kaggle介绍](chapter5/5.1-kaggle.md)
#### 第二节 结构化数据
[Pytorch处理结构化数据](chapter5/5.2-Structured-Data.ipynb)
#### 第三节 计算机视觉
[Fashion MNIST 图像分类](chapter5/5.3-Fashion-MNIST.ipynb)
#### 第四节 自然语言处理
#### 第五节 协同过滤
### 第六章 资源
[torchaudio](torchaudio/intro.ipynb)
### 第七章 附录
[树莓派编译安装 pytorch 1.4](pi/)
transforms的常用操作总结
pytorch的损失函数总结
pytorch的优化器总结
## Script
script目录是我写的将ipynb转换成在线的版本和pdf文件的脚本，因为还在测试阶段，所以有什么问题请大家提出
## License
[本作品采用知识共享署名-非商业性使用-相同方式共享 3.0 中国大陆许可协议进行许可](http://creativecommons.org/licenses/by-nc-sa/3.0/cn)