简介

目前研究人员正在使用的深度学习框架不尽相同，有 TensorFlow 、PyTorch、Keras等。这些深度学习框架被应用于计算机视觉、语音识别、自然语言处理与生物信息学等领域，并获取了极好的效果。其中，PyTorch是当前难得的简洁优雅且高效快速的框架，当前开源的框架中，没有哪一个框架能够在灵活性、易用性、速度这三个方面有两个能同时超过PyTorch。

本文档的定位是 PyTorch 入门教程，主要针对想要学习PyTorch的学生群体或者深度学习爱好者。通过教程的学习，能够实现零基础想要了解和学习深度学习，降低自学的难度，快速学习PyTorch。

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，可以看计算机视觉部分。
• 如果你想解决自然语言处理问题，可以看NLP 部分。
• 还有强化学习和生成对抗网络部分内容。

更新计划

磐创AI 微信公众号发布后，会同步到 GitHub

更新频率：一周两次

开始时间：下周开始

欢迎关注 磐创AI 打卡学习

作者：磐创AI PyTorch 翻译小组: News & PanChuang

原文：https://pytorch.org/tutorials/

目录

第一章：PyTorch之简介与下载

1.PyTorch简介

2.PyTorch环境搭建

第二章：PyTorch之60min入门

1.PyTorch 入门

2.PyTorch 自动微分

3.PyTorch 神经网络

4.PyTorch 图像分类器

5.PyTorch 数据并行处理

第三章：PyTorch之入门强化

1.数据加载和处理

2.PyTorch小试牛刀

3.迁移学习

4.混合前端的seq2seq模型部署

5.保存和加载模型

第四章：PyTorch之图像篇

1.微调基于torchvision 0.3的目标检测模型

2.微调TorchVision模型

3.空间变换器网络

4.使用PyTorch进行Neural-Transfer

5.生成对抗示例

6.使用ONNX将模型转移至Caffe2和移动端

第五章：PyTorch之文本篇

1.聊天机器人教程

2.使用字符级RNN生成名字

3.使用字符级RNN进行名字分类

4.在深度学习和NLP中使用Pytorch

5.使用Sequence2Sequence网络和注意力进行翻译

第六章：PyTorch之生成对抗网络

1.生成对抗网络（Generative Adversarial Networks）

第七章：PyTorch之强化学习

1.强化学习（DQN）

教程推荐

• PyTorch 入门教程

http://pytorchchina.com

• 磐创AI 聊天机器人，智能客服：

http://www.panchuangai.com/

• 磐创教程网站，TensorFlow，Pytorch，Keras：

http://panchuang.net/

• 魔图互联 知识图谱推荐系统：

http://motuhulian.com

由于译者水平有限，如有疏漏，欢迎提交 PR。