书籍深度学习框架:PyTorch入门与实践(附代码)
Posted 专知
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了书籍深度学习框架:PyTorch入门与实践(附代码)相关的知识,希望对你有一定的参考价值。
【导读】2016年是属于TensorFlow的一年,凭借谷歌的大力推广,TensorFlow占据了各大媒体的头条。2017年年初,PyTorch的横空出世吸引了研究人员极大的关注,PyTorch简洁优雅的设计、统一易用的接口、追风逐电的速度和变化无方的灵活性给人留下深刻的印象。作为一门2017年刚刚发布的深度学习框架,研究人员所能获取的学习资料有限,中文资料更是比较少。本书作者长期关注PyTorch发展,经常在论坛上帮助PyTorch新手解决问题,在平时的科研中利用PyTorch进行各个方面的研究,有着丰富的使用经验。看到国内的用户对PyTorch十分感兴趣,迫切需要一本能够全面讲解PyTorch的书籍,于是本书就这么诞生了。专知内容组编辑整理。
▌图书介绍
关于该书
《深度学习框架PyTorch:入门与实践》从多维数组Tensor开始,循序渐进地带领读者了解PyTorch各方面的基础知识。结合基础知识和前沿研究,带领读者从零开始完成几个经典有趣的深度学习小项目,包括GAN生成动漫头像、AI滤镜、AI写诗等。《深度学习框架PyTorch:入门与实践》没有简单机械地介绍各个函数接口的使用,而是尝试分门别类、循序渐进地向读者介绍PyTorch的知识,希望读者对PyTorch有一个完整的认识。
《深度学习框架PyTorch:入门与实践》内容由浅入深,无论是深度学习的初学者,还是头次接触PyTorch的研究人员,都能在学习本书的过程中快速掌握PyTorch。即使是有一定PyTorch使用经验的用户,也能够从本书中获得对PyTorch不一样的理解。
关于读者
主要为机器学习和深度学习专业人员,软件开发人员,研究生和开源爱好者。
关于作者
陈云:Python程序员、Linux爱好者和PyTorch源码贡献者。主要研究方向包括计算机视觉和机器学习。“2017知乎看山杯机器学习挑战赛”一等奖,“2017天池医疗AI大赛”第八名。 热衷于推广PyTorch,并有丰富的使用经验,活跃于PyTorch论坛和知乎相关板块。
▌GitHub代码
代码链接:
https://github.com/chenyuntc/PyTorch-book
这是书籍《深度学习框架PyTorch:入门与实践》的对应代码,但是也可以作为一个独立的PyTorch入门指南和教程。
该书(教程/仓库)的内容如图所示:
可以看出本教程可以分为两部分:
基础部分(前五章)讲解PyTorch内容,这部份介绍了PyTorch中主要的的模块,和深度学习中常用的一些工具。对于这部分内容,这里利用Jupyter Notebook作为教学工具,读者可以结合notebook修改运行,反复实验。
第二章介绍如何安装PyTorch和配置学习环境。同时提供了一个快速入门教程,基于官方的教程简化并更新内容,读者可以花费大约1到2小时的时间快速完成入门任务,而后根据需求再选择深入阅读后续相关章节的内容。
第三章介绍了PyTorch中多维数组Tensor和动态图autograd/Variable的使用,并配以例子,让读者分别使用Tensor和autograd实现线性回归,比较二者的不同点。除了介绍这二者的基础使用之外,本章还对Tensor的底层设计,以及autograd的计算图原理进行比较深入分析,希望能使得读者能对这些底层知识有更全面的掌握。
第四章介绍了PyTorch中神经网络模块nn的基础用法,同时讲解了神经网络中“层”,“损失函数”,“优化器”等,最后带领读者用不到50行的代码搭建出曾夺得ImageNet冠军的ResNet。
第五章介绍了PyTorch中数据加载,GPU加速,持久化和可视化等相关工具。
实战部分(第六到十章)利用PyTorch实现了几个酷炫有趣的应用,对于这部分的内容,本仓库给出完整的实现代码,并提供预训练好的模型作为demo,供读者测试。
第六章是承上启下的一章,这一章的目标不是教会读者新函数,新知识,而是结合Kaggle中一个经典的比赛,实现一个深度学习中比较简单的图像二分类问题。在实现过程中,带领读者复习前五章的知识,并提出代码规范以合理的组织程序,代码,使得程序更加可读,可维护。第六章还介绍了在PyTorch中如何进行debug。
第七章为读者讲解了当前最火爆的生成对抗网络(GAN),带领读者从头实现一个动漫头像生成器,能够利用GAN生成风格多变的动漫头像。
第八章为读者讲解了风格迁移的相关知识,并带领读者实现风格迁移网络,将自己的照片变成高大上的名画。
第九章为读者讲解了一些自然语言处理的基础知识,并讲解了CharRNN的原理。而后利用收集了几万首唐诗,训练出了一个可以自动写诗歌的小程序。这个小程序可以控制生成诗歌的格式,意境,还能生成藏头诗。
第十章为读者介绍了图像描述任务,并以最新的AI Challenger比赛的数据为例,带领读者实现了一个可以进行简单图像描述的的小程序。
Notebook中的文字描述内容属于本书的初稿,有描述不通顺,错别字之处还请谅解。本打算删除notebook中描述的内容,只留下代码,但为了方便读者阅读学习,最终还是决定留下。 我会抽空根据书中内容逐字校对这部分内容,但并不对此并不提供具体时间点。
是否需要买书
书不是必要的,这个仓库包含书中50%以上的文字内容,90%以上的代码,尤其是前几章入门内容,几乎是完全保留了书中的讲解内容。读者即使不买书也能正常使用本教程。
但纸质书有如下优势:
更流畅的体验: 书中的文字,描述,内容经过多人反复校对审查所得,所以描述更自然,错误更少,排版更美观。这个仓库中的Jupyter Notebook中的内容属于本书的初稿,因此有不少描述不通顺,错别字,错误之处。
更好的排版:Jupyter Notebook虽然支持markdown,但是排版比较别扭,而书中的排版有严格的规范。
更完整的内容,更丰富的插图,更详细代码说明:尤其是实战部分,有对于代码设计的说明,原理的讲解,模型的介绍,结合书中内容会更好的理解代码。
有纸质书在手,可以快速翻阅查找。
如果你觉得纸质书的优势吸引你,不妨小破费一笔,支持一下作者这大半年来的工作。同时为了尽可能的方便读者,笔者还专门开通腾讯云的服务,用以保存教程中用到的部分模型,预处理的数据和部分大文件。
代码说明
教程代码同时在Python2和Python3下测试通过
实战部分代码还同时在GPU和CPU环境下测试通过
所有的代码都是基于最新版的PyTorch 0.2.0,本人承诺会至少维护代码更新兼容到PyTorch 0.4
如果有任何不当,或者有待改进的地方,欢迎读者开issue讨论,或者提交pull request。
环境配置
安装PyTorch,请从官网选择指定的版本安装即可,一键安装(即使你使用anaconda,也建议使用pip)。更多的安装方式请参阅书中说明。
克隆仓库
git clone https://github.com/chenyuntc/PyTorch-book.git
安装第三方依赖包
cd pytorch-book && pip install -r requirements.txt
Visdom打不开及其解决方案
教程中用到了Visdom作为可视化工具,但是最近发现visdom 不能用了,打开之后网页一片空白,经过抓包分析发现是两个js文件被防火墙给阻挡了:
https://cdn.rawgit.com/plotly/plotly.js/master/dist/plotly.min.js
https://cdn.rawgit.com/STRML/react-grid-layout/0.14.0/dist/react-grid-layout.min.js
这里本人提供一个比较简单的解决方法:
Step 1: 找到系统使用visdom的index.html文件,
locate visdom/static/index.html
输出 系统中visdom 的html文件:
/usr/local/lib/python2.7/dist-packages/visdom/static/index.html /usr/local/lib/python3.5/dist-packages/visdom/static/index.html
Step 2:下载本人修改过后的文件,替换step1 找到的index.html, 可能需要root权限。
这时候再刷新浏览器,就能发现visdom正常显示了。
还有其它的解决方法,包括:
下载这两个文件到本地,然后修改index.html中都应js文件的路径
使用代理,但是把某些域名加入白名单
参考链接:
https://github.com/chenyuntc/PyTorch-book
https://item.jd.com/12261129.html
-END-
专 · 知
人工智能领域主题知识资料查看获取:
同时欢迎各位用户进行专知投稿,详情请点击:
请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!
请加专知小助手微信(Rancho_Fang),加入专知主题人工智能群交流!
点击“阅读原文”,使用专知!
以上是关于书籍深度学习框架:PyTorch入门与实践(附代码)的主要内容,如果未能解决你的问题,请参考以下文章