ApacheCN 深度学习译文集 20210125 更新

2022-05-07 14:41:14 浏览数 (1)

新增了七个教程：

  • PyTorch 中文官方教程 1.7
    • 学习 PyTorch
      • PyTorch 深度学习：60 分钟的突击
        • 张量
        • torch.autograd的简要介绍
        • 神经网络
        • 训练分类器
      • 通过示例学习 PyTorch
        • 热身：NumPy
        • PyTorch：张量
        • PyTorch：张量和 Autograd
        • PyTorch：定义新的 Autograd 函数
        • PyTorch：nn
        • PyTorch：optim
        • PyTorch：自定义nn模块
        • PyTorch：控制流 权重共享
      • torch.nn到底是什么？
      • 使用 TensorBoard 可视化模型，数据和训练
    • 图片/视频
      • torchvision对象检测微调教程
      • 计算机视觉的迁移学习教程
      • 对抗示例生成
      • DCGAN 教程
    • 音频
      • 音频 I/O 和torchaudio的预处理
      • 使用torchaudio的语音命令识别
    • 文本
      • 使用nn.Transformer和torchtext的序列到序列建模
      • 从零开始的 NLP：使用字符级 RNN 分类名称
      • 从零开始的 NLP：使用字符级 RNN 生成名称
      • 从零开始的 NLP：使用序列到序列网络和注意力的翻译
      • 使用torchtext的文本分类
      • torchtext语言翻译
    • 强化学习
      • 强化学习（DQN）教程
      • 训练玩马里奥的 RL 智能体
    • 在生产中部署 PyTorch 模型
      • 通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
      • TorchScript 简介
      • 在 C 中加载 TorchScript 模型
      • 将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）
    • 前端 API
      • PyTorch 中的命名张量简介（原型）
      • PyTorch 中通道在最后的内存格式（beta）
      • 使用 PyTorch C 前端
      • 自定义 C 和 CUDA 扩展
      • 使用自定义 C 运算符扩展 TorchScript
      • 使用自定义 C 类扩展 TorchScript
      • TorchScript 中的动态并行性
      • C 前端中的 Autograd
      • 在 C 中注册调度运算符
    • 模型优化
      • 分析您的 PyTorch 模块
      • 使用 Ray Tune 的超参数调整
      • 模型剪裁教程
      • LSTM 单词语言模型上的动态量化（beta）
      • BERT 上的动态量化（Beta）
      • PyTorch 中使用 Eager 模式的静态量化（beta）
      • 计算机视觉的量化迁移学习教程（beta）
    • 并行和分布式训练
      • PyTorch 分布式概述
      • 单机模型并行最佳实践
      • 分布式数据并行入门
      • 用 PyTorch 编写分布式应用
      • 分布式 RPC 框架入门
      • 使用分布式 RPC 框架实现参数服务器
      • 使用 RPC 的分布式管道并行化
      • 使用异步执行实现批量 RPC 处理
      • 将分布式DataParallel与分布式 RPC 框架相结合
  • PyTorch 人工智能研讨会
    • 零、前言
    • 一、深度学习和 PyTorch 简介
    • 二、神经网络的构建块
    • 三、使用 DNN 的分类问题
    • 四、卷积神经网络
    • 五、样式迁移
    • 六、使用 RNN 分析数据序列
    • 七、附录
  • Python 一次学习实用指南
    • 零、前言
    • 第一部分：一次学习简介
      • 一、一次学习简介
    • 第二部分：深度学习架构
      • 二、基于指标的方法
      • 三、基于模型的方法
      • 四、基于优化的方法
    • 第三部分：其他方法和结论
      • 五、基于生成建模的方法
      • 六、总结和其他方法
  • Python 自然语言处理实用指南
    • 零、前言
    • 第一部分：用于 NLP 的 PyTorch 1.x 的要点
      • 一、机器学习和深度学习的基础
      • 二、用于 NLP 的 PyTorch 1.x 入门
    • 第二部分：自然语言处理基础
      • 三、NLP 和文本嵌入
      • 四、文本预处理，词干提取和词形还原
    • 第三部分：使用 PyTorch 1.x 的实际 NLP 应用
      • 五、循环神经网络和情感分析
      • 六、用于文本分类的卷积神经网络
      • 七、使用序列到序列神经网络的文本翻译
      • 八、使用基于注意力的神经网络构建聊天机器人
      • 九、前方的路
  • PyTorch 人工智能基础知识
    • 零、前言
    • 一、使用 PyTorch 使用张量
    • 二、与神经网络协作
    • 三、用于计算机视觉的卷积神经网络
    • 四、用于 NLP 的循环神经网络
    • 五、迁移学习和 TensorBoard
    • 六、探索生成对抗网络
    • 七、深度强化学习
    • 八、在 PyTorch 中生产 AI 模型
  • PyTorch 深度学习实用指南
    • 零、前言
    • 一、深度学习演练和 PyTorch 简介
    • 二、简单的神经网络
    • 三、深度学习工作流程
    • 四、计算机视觉
    • 五、序列数据处理
    • 六、生成网络
    • 七、强化学习
    • 八、生产中的 PyTorch
  • TensorFlow 强化学习
    • 零、前言
    • 一、深度学习–架构和框架
    • 二、使用 OpenAI Gym 训练强化学习智能体
    • 三、马尔可夫决策过程
    • 四、策略梯度
    • 五、Q 学习和深度 Q 网络
    • 六、异步方法
    • 七、一切都是机器人-真正的战略游戏
    • 八、AlphaGo –最好的强化学习
    • 九、自动驾驶中的强化学习
    • 十、金融投资组合管理
    • 十一、机器人技术中的强化学习
    • 十二、广告技术中的深度强化学习
    • 十三、图像处理中的强化学习
    • 十四、NLP 中的深度强化学习
    • 十五、强化学习的其他主题

下载

Docker

代码语言：javascript复制
docker pull apachecn0/apachecn-dl-zh
docker run -tid -p <port>:80 apachecn0/apachecn-dl-zh
# 访问 http://localhost:{port}

PYPI

代码语言：javascript复制
pip install apachecn-dl-zh
apachecn-dl-zh <port>
# 访问 http://localhost:{port}

NPM

代码语言：javascript复制
npm install -g apachecn-dl-zh
apachecn-dl-zh <port>
# 访问 http://localhost:{port}

贡献指南

本项目需要校对，欢迎大家提交 Pull Request。

请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）

pytorch NLP服务 c++ 分布式 rpc

0 人点赞