ApacheCN 深度學習譯文集 20210125 更新

新增了七個教程：

• PyTorch 中文官方教程 1.7

  • 學習 PyTorch

    • PyTorch 深度學習：60 分鐘的突擊

      • 張量
      • torch.autograd的簡要介紹
      • 神經網絡
      • 訓練分類器

    • 經過示例學習 PyTorch

      • 熱身：NumPy
      • PyTorch：張量
      • PyTorch：張量和 Autograd
      • PyTorch：定義新的 Autograd 函數
      • PyTorch：nn
      • PyTorch：optim
      • PyTorch：自定義nn模塊
      • PyTorch：控制流 + 權重共享
    • torch.nn究竟是什麼？
    • 使用 TensorBoard 可視化模型，數據和訓練

  • 圖片/視頻

    • torchvision對象檢測微調教程
    • 計算機視覺的遷移學習教程
    • 對抗示例生成
    • DCGAN 教程

  • 音頻

    • 音頻 I/O 和torchaudio的預處理
    • 使用torchaudio的語音命令識別

  • 文本

    • 使用nn.Transformer和torchtext的序列到序列建模
    • 從零開始的 NLP：使用字符級 RNN 分類名稱
    • 從零開始的 NLP：使用字符級 RNN 生成名稱
    • 從零開始的 NLP：使用序列到序列網絡和注意力的翻譯
    • 使用torchtext的文本分類
    • torchtext語言翻譯

  • 強化學習

    • 強化學習（DQN）教程
    • 訓練玩馬里奧的 RL 智能體

  • 在生產中部署 PyTorch 模型

    • 經過使用 Flask 的 REST API 在 Python 中部署 PyTorch
    • TorchScript 簡介
    • 在 C++ 中加載 TorchScript 模型
    • 將模型從 PyTorch 導出到 ONNX 並使用 ONNX 運行時運行它（可選）

  • 前端 API

    • PyTorch 中的命名張量簡介（原型）
    • PyTorch 中通道在最後的內存格式（beta）
    • 使用 PyTorch C++ 前端
    • 自定義 C++ 和 CUDA 擴展
    • 使用自定義 C++ 運算符擴展 TorchScript
    • 使用自定義 C++ 類擴展 TorchScript
    • TorchScript 中的動態並行性
    • C++ 前端中的 Autograd
    • 在 C++ 中註冊調度運算符

  • 模型優化

    • 分析您的 PyTorch 模塊
    • 使用 Ray Tune 的超參數調整
    • 模型剪裁教程
    • LSTM 單詞語言模型上的動態量化（beta）
    • BERT 上的動態量化（Beta）
    • PyTorch 中使用 Eager 模式的靜態量化（beta）
    • 計算機視覺的量化遷移學習教程（beta）

  • 並行和分佈式訓練

    • PyTorch 分佈式概述
    • 單機模型並行最佳實踐
    • 分佈式數據並行入門
    • 用 PyTorch 編寫分佈式應用
    • 分佈式 RPC 框架入門
    • 使用分佈式 RPC 框架實現參數服務器
    • 使用 RPC 的分佈式管道並行化
    • 使用異步執行實現批量 RPC 處理
    • 將分佈式DataParallel與分佈式 RPC 框架相結合

• PyTorch 人工智能研討會

  • 零、前言
  • 1、深度學習和 PyTorch 簡介
  • 2、神經網絡的構建塊
  • 3、使用 DNN 的分類問題
  • 4、卷積神經網絡
  • 5、樣式遷移
  • 6、使用 RNN 分析數據序列
  • 7、附錄

• Python 一次學習實用指南

  • 零、前言

  • 第一部分：一次學習簡介

    • 1、一次學習簡介

  • 第二部分：深度學習架構

    • 2、基於指標的方法
    • 3、基於模型的方法
    • 4、基於優化的方法

  • 第三部分：其餘方法和結論

    • 5、基於生成建模的方法
    • 6、總結和其餘方法

• Python 天然語言處理實用指南

  • 零、前言

  • 第一部分：用於 NLP 的 PyTorch 1.x 的要點

    • 1、機器學習和深度學習的基礎
    • 2、用於 NLP 的 PyTorch 1.x 入門

  • 第二部分：天然語言處理基礎

    • 3、NLP 和文本嵌入
    • 4、文本預處理，詞幹提取和詞形還原

  • 第三部分：使用 PyTorch 1.x 的實際 NLP 應用

    • 5、循環神經網絡和情感分析
    • 6、用於文本分類的卷積神經網絡
    • 7、使用序列到序列神經網絡的文本翻譯
    • 8、使用基於注意力的神經網絡構建聊天機器人
    • 9、前方的路

• PyTorch 人工智能基礎知識

  • 零、前言
  • 1、使用 PyTorch 使用張量
  • 2、與神經網絡協做
  • 3、用於計算機視覺的卷積神經網絡
  • 4、用於 NLP 的循環神經網絡
  • 5、遷移學習和 TensorBoard
  • 6、探索生成對抗網絡
  • 7、深度強化學習
  • 8、在 PyTorch 中生產 AI 模型

• PyTorch 深度學習實用指南

  • 零、前言
  • 1、深度學習演練和 PyTorch 簡介
  • 2、簡單的神經網絡
  • 3、深度學習工做流程
  • 4、計算機視覺
  • 5、序列數據處理
  • 6、生成網絡
  • 7、強化學習
  • 8、生產中的 PyTorch

• TensorFlow 強化學習

  • 零、前言
  • 1、深度學習–架構和框架
  • 2、使用 OpenAI Gym 訓練強化學習智能體
  • 3、馬爾可夫決策過程
  • 4、策略梯度
  • 5、Q 學習和深度 Q 網絡
  • 6、異步方法
  • 7、一切都是機器人-真正的戰略遊戲
  • 8、AlphaGo –最好的強化學習
  • 9、自動駕駛中的強化學習
  • 10、金融投資組合管理
  • 11、機器人技術中的強化學習
  • 12、廣告技術中的深度強化學習
  • 十3、圖像處理中的強化學習
  • 十4、NLP 中的深度強化學習
  • 十5、強化學習的其餘主題

下載

Docker

docker pull apachecn0/apachecn-dl-zh
docker run -tid -p <port>:80 apachecn0/apachecn-dl-zh
# 訪問 http://localhost:{port}

PYPI

pip install apachecn-dl-zh
apachecn-dl-zh <port>
# 訪問 http://localhost:{port}

NPM

npm install -g apachecn-dl-zh
apachecn-dl-zh <port>
# 訪問 http://localhost:{port}

貢獻指南

本項目須要校對，歡迎你們提交 Pull Request。

請您勇敢地去翻譯和改進翻譯。雖然咱們追求卓越，但咱們並不要求您作到十全十美，所以請不要擔憂由於翻譯上犯錯——在大部分狀況下，咱們的服務器已經記錄全部的翻譯，所以您沒必要擔憂會由於您的失誤遭到沒法挽回的破壞。（改編自維基百科）