Deep-Learning-with-PyTorch-Chinese

深度学习与PyTorch（中文版）-paper2Fox

特别鸣谢：本项目受ShusenTang的开源项目（基本摘要版）启发而进行，旨在完成对完整版书籍的翻译。

本项目（链接）预计将PyTorch官方书籍《Deep learning with PyTorch》翻译成中文。目前该书在PyTorch官网可以免费领取（传送门）,也可以在Manning订购正版（传送门）。

This project aims to translate the PyTorch official book Deep learning with PyTorch 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。作者：ELI STEVENS, LUCA ANTIGA, AND THOMAS VIEHMANN

目前，PyTorch官网提供的PDF已经是2020年7月正式出版的完整版，共522页，内容共包括以下三大部分：

1. 核心PyTorch（第1-8章）
2. 从现实世界中的图像中学习：肺癌的早期发现（第9-14章）
3. 部署（第15章）

该书提供了详细的动手入门，介绍了如何使用流行的开源机器学习框架PyTorch构建和训练神经网络。内容涵盖：

• 深度学习和PyTorch库简介
• 预训练网络
• 张量
• 学习机制
• 使用神经网络拟合数据
• 使用卷积泛化
• 真实示例：建立用于癌症检测的神经网络
• 部署到生产

原书的GitHub链接提供了可运行代码和数据集下载，本项目不再另行搬运，请读者们移步原贴。

Manning购买下载链接: https://www.manning.com/books/deep-learning-with-pytorch

Amazon购买下载链接: https://amzn.to/38Iwrff (affiliate link)

原书勘误可以在manning 查找, 或者查看 https://deep-learning-with-pytorch.github.io/dlwpt-code/errata.html

2. 项目简介

本项目计划将原书翻译成中文，目前正持续更新中。

《深度学习与PyTorch》 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。相比于其他的参考型教材，这本书是通过逐步深入进而掌握PyTorch的不二之选。

本仓库的master分支将提供markdown格式的中文翻译，后续会推出可供下载的版本。目前暂时仅提供Gitbook在线预览。

在线预览：

https://paper2fox.github.io/Deep-Learning-with-PyTorch-Chinese/

欢迎对本项目做出贡献或提出issue。

3. 目录

• 关于本项目

• 关于本书

• 关于作者

• 关于封面

• Part 1 核心PyTorch

• 1. 深度学习和PyTorch库简介

  • 1.1 深度学习革命
  • 1.2 深度学习：PyTorch
  • 1.3 为什么使用深度学习
  • 1.4 概述PyTorch如何支持深度学习项目
  • 1.5 硬件和软件要求
  • 1.6 练习
  • 1.7 小结

• 2. 预训练网络

  • 2.1 一种可识别图像主体的预训练网络
  • 2.2 一种从伪到真的预训练模型
  • 2.3 一种描述场景的预训练网络
  • 2.4 Torch Hub
  • 2.5 结论
  • 2.6 练习
  • 2.7 小结

• 3. 从张量开始

  • 3.1 浮点数世界
  • 3.2 张量：多维数组
  • 3.3 索引张量
  • 3.4 命名张量
  • 3.5 张量元素类型
  • 3.6 张量API
  • 3.7 张量：存储的风景
  • 3.8 张量元数据：尺寸、偏移和步长
  • 3.9 移动张量至GPU
  • 3.10 NumPy互操作性
  • 3.11 广义张量也是张量
  • 3.12 序列化张量
  • 3.13 结论
  • 3.14 练习
  • 3.15 小结

未完待续

4. 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