ApacheCN 深度学习译文集 20210125 更新
Posted 布客飞龙
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了ApacheCN 深度学习译文集 20210125 更新相关的知识,希望对你有一定的参考价值。
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
- 音频 I/O 和
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
- 使用
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
docker pull apachecn0/apachecn-dl-zh
docker run -tid -p <port>:80 apachecn0/apachecn-dl-zh
# 访问 http://localhost:{port}
PYPI
pip install apachecn-dl-zh
apachecn-dl-zh <port>
# 访问 http://localhost:{port}
NPM
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)
以上是关于ApacheCN 深度学习译文集 20210125 更新的主要内容,如果未能解决你的问题,请参考以下文章