什么是 PyTorch？其实 PyTorch 可以拆成两部分：Py Torch。Py 就是 Python，Torch 是一个有大量机器学习算法支持的科学计算框架。PyTorch 的前身是Torch，但是 Torch 是基于 Lua 语言。Lua 简洁高效，但由于其过于小众，用的人不是很多，以至于很多人听说要掌握 Torch 必须新学一门语言就望而却步。考虑到 Python 在人工智能领域的领先地位，以及其生态完整性和接口易用性，几乎任何框架都不可避免地要提供 Python 接口。终于，在 2017 年，Torch 的幕后团队使用 Python 重写了 Torch 的很多内容，推出了 PyTorch，并提供了 Python 接口。此后，PyTorch 成为最流行的深度学习框架之一。
近几年来，PyTorch 呈现大火的趋势，除了Facebook外，PyTorch 已经被 Twitter、CMU 和 Salesforce 等多个机构使用。
就在刚刚，激动人心的好消息：PyTorch 官方教程中文版正式发布啦！
教程地址：
http://pytorch123.com/
教程介绍
本文档主要使用于 PyTorch 入门学者，主要参考 PyTorch 官方文档。官方教程包含了 PyTorch 介绍，安装教程；60 分钟快速入门教程，可以迅速从小白阶段完成一个分类器模型；计算机视觉常用模型，方便基于自己的数据进行调整，不再需要从头开始写；自然语言处理模型，聊天机器人，文本生成等生动有趣的项目。
总而言之：如果你想了解一下 PyTorch，可以看介绍部分。如果你想快速入门 PyTorch，可以看 60 分钟快速入门。如果你想解决计算机视觉问题，可以看 CV 部分。如果你想解决自然语言处理问题，可以看 NLP 部分。
教程内容
整个教程共包含了 7 部分，内容由简单到复杂，适合不同层次的学习要求。下面分别进行介绍。
1. PyTorch 之简介与下载
- PyTorch 简介
- PyTorch 环境搭建 - 安装 Anaconda 3.5 - 安装 PyTorch & torchvision
Anaconda Navigator
2. PyTorch 之 60min 入门教程
- PyTorch 入门
- PyTorch 自动微分
- PyTorch 神经网络
- PyTorch 图像分类器
- PyTorch 数据并处理
原理解释：
3. PyTorch 之入门强化教程
- 数据加载和处理
- PyTorch 小试牛刀
- 迁移学习
- 混合前端的 seq2seq 模型部署
- 保存和加载模型
def train_model(model, criterion, optimizer, scheduler, num_epochs=25):
since = time.time()
best_model_wts = copy.deepcopy(model.state_dict())
best_acc = 0.0
for epoch in range(num_epochs):
print('Epoch {}/{}'.format(epoch, num_epochs - 1))
print('-' * 10)
# 每个epoch都有一个训练和验证阶段
for phase in ['train', 'val']:
if phase == 'train':
scheduler.step()
model.train() # Set model to training mode
else:
model.eval() # Set model to evaluate mode
running_loss = 0.0
running_corrects = 0
# 迭代数据.
for inputs, labels in dataloaders[phase]:
inputs = inputs.to(device)
labels = labels.to(device)
# 零参数梯度
optimizer.zero_grad()
# 前向
# track history if only in train
with torch.set_grad_enabled(phase == 'train'):
outputs = model(inputs)
_, preds = torch.max(outputs, 1)
loss = criterion(outputs, labels)
# 后向 仅在训练阶段进行优化
if phase == 'train':
loss.backward()
optimizer.step()
# 统计
running_loss = loss.item() * inputs.size(0)
running_corrects = torch.sum(preds == labels.data)
epoch_loss = running_loss / dataset_sizes[phase]
epoch_acc = running_corrects.double() / dataset_sizes[phase]
print('{} Loss: {:.4f} Acc: {:.4f}'.format(
phase, epoch_loss, epoch_acc))
# 深度复制mo
if phase == 'val' and epoch_acc > best_acc:
best_acc = epoch_acc
best_model_wts = copy.deepcopy(model.state_dict())
print()
time_elapsed = time.time() - since
print('Training complete in {:.0f}m {:.0f}s'.format(
time_elapsed // 60, time_elapsed % 60))
print('Best val Acc: {:4f}'.format(best_acc))
# 加载最佳模型权重
model.load_state_dict(best_model_wts)
return model4. PyTorch 之图像篇
- 微调基于 torchvision 0.3的目标检测模型
- 微调 Torchvision 模型
- 空间变换器网络
- 使用 PyTorch 进行 Neural-Transfer
- 生成对抗示例
- 使用ONNX将模型转移至Caffe2和移动端
5. PyTorch 之文本篇
- 聊天机器人教程
- 使用字符级 RNN 生成名字
- 使用字符级 RNN 进行名字分类
- 在深度学习和 NLP 中使用 Pytorch
- 使用 Sequence2Sequence 网络和注意力进行翻译
> hello?
Bot: hello .
> where am I?
Bot: you re in a hospital .
> who are you?
Bot: i m a lawyer .
> how are you doing?
Bot: i m fine .
> are you my friend?
Bot: no .
> you're under arrest
Bot: i m trying to help you !
> i'm just kidding
Bot: i m sorry .
> where are you from?
Bot: san francisco .
> it's time for me to leave
Bot: i know .
> goodbye
Bot: goodbye .6. PyTorch 之生成对抗网络
- DCGAN教程
本教程通过一个例子来对 DCGANs 进行介绍。我们将会训练一个生成对抗网络（GAN）用于在展示了许多真正的名人的图片后产生新的名人。
7. PyTorch 之强化学习
- 强化学习（DQN）教程
本教程介绍如何使用PyTorch从OpenAI Gym中的 CartPole-v0 任务上训练一个Deep Q Learning (DQN) 代理。
总的来说，这是一份非常不错的 PyTorch 中文教程！最后，再次附上教程在线网址：
http://pytorch123.com/
