20 天吃掉那隻 Pytorch

一， Pytorch🔥  or TensorFlow2 🍎

先說結論:

若是是工程師，應該優先選TensorFlow2.

若是是學生或者研究人員，應該優先選擇Pytorch.

若是時間足夠，最好TensorFlow2和Pytorch都要學習掌握。

理由以下：

• 1，在工業界最重要的是模型落地，目前國內的大部分互聯網企業只支持TensorFlow模型的在線部署，不支持Pytorch。 而且工業界更加註重的是模型的高可用性，許多時候使用的都是成熟的模型架構，調試需求並不大。

• 2，研究人員最重要的是快速迭代發表文章，須要嘗試一些較新的模型架構。而Pytorch在易用性上相比TensorFlow2有一些優點，更加方便調試。 而且在2019年以來在學術界佔領了大半壁江山，可以找到的相應最新研究成果更多。

• 3，TensorFlow2和Pytorch實際上總體風格已經很是類似了，學會了其中一個，學習另一個將比較容易。兩種框架都掌握的話，可以參考的開源模型案例更多，而且能夠方便地在兩種框架之間切換。

本書的TensorFlow鏡像教程：

《30天吃掉那隻TensorFlow2》：https://github.com/lyhue1991/eat_tensorflow2_in_30_days

二，本書📖面向讀者 👼

本書假定讀者有必定的機器學習和深度學習基礎，使用過Keras或TensorFlow或Pytorch搭建訓練過簡單的模型。

對於沒有任何機器學習和深度學習基礎的同窗，建議在學習本書時同步參考閱讀《Python深度學習》一書的第一部分"深度學習基礎"內容。

《Python深度學習》這本書是Keras之父Francois Chollet所著，該書假定讀者無任何機器學習知識，以Keras爲工具，

使用豐富的範例示範深度學習的最佳實踐，該書通俗易懂，全書沒有一個數學公式，注重培養讀者的深度學習直覺。。

《Python深度學習》一書的第一部分的4個章節內容以下，預計讀者能夠在20小時以內學完。

• 1，什麼是深度學習

• 2，神經網絡的數學基礎

• 3，神經網絡入門

• 4，機器學習基礎

三，本書寫做風格 🍉

本書是一本對人類用戶極其友善的Pytorch入門工具書，Don't let me think是本書的最高追求。

本書主要是在參考Pytorch官方文檔和函數doc文檔基礎上整理寫成的。

儘管Pytorch官方文檔已經至關簡明清晰，但本書在篇章結構和範例選取上作了大量的優化，在用戶友好度方面更勝一籌。

本書按照內容難易程度、讀者檢索習慣和Pytorch自身的層次結構設計內容，按部就班，層次清晰，方便按照功能查找相應範例。

本書在範例設計上儘量簡約化和結構化，加強範例易讀性和通用性，大部分代碼片斷在實踐中可即取即用。

若是說經過學習Pytorch官方文檔掌握Pytorch的難度大概是5，那麼經過本書學習掌握Pytorch的難度應該大概是2.

四，本書學習方案 ⏰

1，學習計劃

本書是做者利用工做之餘大概3個月寫成的，大部分讀者應該在20天能夠徹底學會。

預計天天花費的學習時間在30分鐘到2個小時之間。

固然，本書也很是適合做爲Pytorch的工具手冊在工程落地時做爲範例庫參考。

點擊學習內容藍色標題便可進入該章節。

日期	學習內容	內容難度	預計學習時間	更新狀態
	1、Pytorch的建模流程	⭐️	0hour	✅
day1	1-1,結構化數據建模流程範例	⭐️⭐️⭐️	1hour	✅
day2	1-2,圖片數據建模流程範例	⭐️⭐️⭐️⭐️	2hour	✅
day3	1-3,文本數據建模流程範例	⭐️⭐️⭐️⭐️⭐️	2hour	✅
day4	1-4,時間序列數據建模流程範例	⭐️⭐️⭐️⭐️⭐️	2hour	✅
	2、Pytorch的核心概念	⭐️	0hour	✅
day5	2-1,張量數據結構	⭐️⭐️⭐️⭐️	1hour	✅
day6	2-2,自動微分機制	⭐️⭐️⭐️	1hour	✅
day7	2-3,動態計算圖	⭐️⭐️⭐️⭐️⭐️	2hour	✅
	3、Pytorch的層次結構	⭐️	0hour	✅
day8	3-1,低階API示範	⭐️⭐️⭐️⭐️	1hour
day9	3-2,中階API示範	⭐️⭐️⭐️	1hour
day10	3-3,高階API示範	⭐️⭐️⭐️	1hour
	4、Pytorch的低階API	⭐️	0hour	✅
day11	4-1,張量的結構操做	⭐️⭐️⭐️⭐️⭐️	2hour
day12	4-2,張量的數學運算	⭐️⭐️⭐️⭐️	1hour
day13	4-3,nn.functional和nn.Module.md	⭐️⭐️⭐️⭐️	1hour
	5、Pytorch的中階API	⭐️	0hour	✅
day14	5-1,Dataset和DataLoader	⭐️⭐️⭐️⭐️⭐️	2hour
day15	5-2,模型層	⭐️⭐️⭐️	1hour
day16	5-3,損失函數	⭐️⭐️⭐️	1hour
day17	5-4,TensorBoard可視化	⭐️⭐️⭐️	1hour
	6、Pytorch的高階API	⭐️	0hour	✅
day18	6-1,構建模型的3種方法	⭐️⭐️⭐️⭐️	1hour
day19	6-2,訓練模型的3種方法	⭐️⭐️⭐️⭐️	1hour
day20	6-3,使用GPU訓練模型	⭐️⭐️⭐️⭐️	1hour

2，學習環境

本書所有源碼在jupyter中編寫測試經過，建議經過git克隆到本地，並在jupyter中交互式運行學習。

爲了直接可以在jupyter中打開markdown文件，建議安裝jupytext，將markdown轉換成ipynb文件。

#克隆本書源碼到本地,使用碼雲鏡像倉庫國內下載速度更快
#!git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days

#建議在jupyter notebook 上安裝jupytext，以便可以將本書各章節markdown文件視做ipynb文件運行
#!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U jupytext
    
#建議在jupyter notebook 上安裝最新版本pytorch 測試本書中的代碼
#!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  -U torch torchvision torchtext torchkeras 

import torch 
from torch import nn

print("torch version:", torch.__version__)

a = torch.tensor([[2,1]])
b = torch.tensor([[-1,2]])
c = a@b.t()
print("[[2,1]]@[[-1],[2]] =", c.item())

torch version: 1.5.0
[[2,1]]@[[-1],[2]] = 0

五，鼓勵和聯繫做者 🎈🎈

若是本書對你有所幫助，想鼓勵一下做者，記得給本項目加一顆星星star⭐️，並分享給你的朋友們喔😊!

關注雲哥公衆號

並在後臺回覆關鍵字：pytorch

獲取項目github地址

本文分享自微信公衆號 - Python與算法社區（alg-channel）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。