hehewang625327/Deep-Learning-with-PyTorch-Chinese

本仓库将PyTorch官方书籍《Deep learning with PyTorch》（基本摘录版）翻译成中文版并给出可运行的相关代码。

Deep-Learning-with-PyTorch-Chinese

本项目（网页版传送门）将PyTorch官方书籍《Deep learning with PyTorch》（基本摘录版）翻译成中文并给出全书可运行的相关代码。

This project translates the PyTorch official book "Deep learning with PyTorch" (essential excerpt version) into Chinese.

1. 书籍简介

自 2016 年诞生以来，PyTorch 已经成为当今最火热的深度学习框架之一。最近，官方权威的 PyTorch 教程书《Deep learning with PyTorch》终于问世了，消息一出就获得巨佬 Yann LeCun 力荐，是入门PyTorch及深度学习的绝佳教材。

需要注意的是，PyTorch官网提供的PDF是基本摘录版（Essential Excerpts），共141页，内容包括以下五个部分：

1. 深度学习与PyTorch简介
2. 从一个张量开始
3. 使用张量表示真实数据
4. 学习机制
5. 使用神经网络拟合数据

因此可作为快速入门PyTorch的教程。此书完整版目前也可免费预览，传送门。

2. 项目简介

本项目将原书翻译成中文并且给出可运行的相关代码。

本仓库主要包含code和docs两个文件夹（外加一些数据存放在data中）。其中code文件夹就是每章相关jupyter notebook代码；docs文件夹就是markdown格式的《Deep learning with PyTorch》（基本摘录版）书中的相关内容的中文翻译，然后利用docsify将网页文档部署到GitHub Pages上。欢迎对本项目做出贡献或提出issue。

3. 使用方法

本项目面向对PyTorch感兴趣，尤其是想快速入门PyTorch的童鞋。本项目并不要求你有任何深度学习或者机器学习的背景知识，你只需了解基础的数学和编程，如基础的线性代数、微分和概率，以及基础的Python编程。

本仓库的文档包含一些latex公式，但github的markdown原生是不支持公式显示的，而docs文件夹已经利用docsify被部署到了GitHub Pages上，所以你可以方便地访问本项目网页版。如果你想跑一下相关代码的话需要把本项目clone下来，然后运行code文件夹下相关代码。

由于本项目所翻译的是基本摘录版，仅141页，所以适合快速入门PyTorch。如果你想对PyTorch以及深度学习（例如计算机视觉、自然语言处理等）有更深入的学习，可能还需要更多的资料，感兴趣的可以参考我的另一个项目Dive-into-DL-PyTorch。

4. 目录

• 简介
• 1. 深度学习与PyTorch简介
  • 1.1 什么是PyTorch
  • 1.2 这本书讲了什么
  • 1.3 为什么使用PyTorch
  • 1.4 PyTorch包含的组件
• 2. 从张量开始
  • 2.1 张量基础
  • 2.2 张量与存储
  • 2.3 尺寸、存储偏移与步长
  • 2.4 数据类型
  • 2.5 索引张量
  • 2.6 与NumPy的互通性
  • 2.7 序列化张量
  • 2.8 将张量转移到GPU上运行
  • 2.9 张量API
• 3. 使用张量表示真实数据
  • 3.1 表格数据
  • 3.2 时间序列
  • 3.3 文本数据
  • 3.4 图像数据
  • 3.5 体积数据
• 4. 学习机制
  • 4.1 学习就是参数估计
  • 4.2 PyTorch自动求导
• 5. 使用神经网络拟合数据
  • 5.1 神经元
  • 5.2 PyTorch的nn模块
  • 5.3 nn的子类

5. 声明

• 译者纯粹出于学习目的与个人兴趣而进行翻译，不追求任何经济利益；
• 本项目仅限于学习研究目的的使用，译者保留对此项目的署名权，任何转载必须注明出处，但不得用于任何商业用途；
• 使用本项目对原著的侵权行为或者违反知识产权保护法的任何行为，与译者无关；
• 有能力阅读英文书籍者请阅读原版或购买完整版书籍。

LICENSE

CC BY-NC（署名-非商业性使用）4.0