# PyTorch 中文手册（pytorch handbook）
## 书籍介绍
这是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门。
由于本人水平有限，在写此教程的时候参考了一些网上的资料，在这里对他们表示敬意，我会在每个引用中附上原文地址，方便大家参考。
深度学习的技术在飞速的发展，同时PyTorch也在不断更新，且本人会逐步完善相关内容。
## 版本说明
由于PyTorch版本更迭，教程的版本会与PyTorch版本，保持一致。
2019.10.10 PyTorch已经发布1.3的稳定版。
已经全部测试完毕 代码可完全兼容1.3
## QQ 3群
群号：773681699
扫描二维码
[点击链接加入群聊 『PyTorch Handbook 交流3群』](//shang.qq.com/wpa/qunwpa?idkey=ee402d5f0e7732b2171e643d729177ce55ac404eafda5edd9b740d73fabe6a96)
1群(985896536)已满，2群(681980831)已满
不要再加了
## 说明
- 修改错别字请直接提issue或PR
- PR时请注意版本
- 有问题也请直接提issue
感谢
## 目录
### 第一章：PyTorch 入门
1. [PyTorch 简介](chapter1/1.1-pytorch-introduction.md)
2. [PyTorch 环境搭建](chapter1/1.2-pytorch-installation.md)
3. [PyTorch 深度学习：60分钟快速入门（官方）](chapter1/1.3-deep-learning-with-pytorch-60-minute-blitz.md)
- [张量](chapter1/1_tensor_tutorial.ipynb)
- [Autograd：自动求导](chapter1/2_autograd_tutorial.ipynb)
- [神经网络](chapter1/3_neural_networks_tutorial.ipynb)
- [训练一个分类器](chapter1/4_cifar10_tutorial.ipynb)
- [选读：数据并行处理（多GPU）](chapter1/5_data_parallel_tutorial.ipynb)
4. [相关资源介绍](chapter1/1.4-pytorch-resource.md)
### 第二章 基础
#### 第一节 PyTorch 基础
1. [张量](chapter2/2.1.1.pytorch-basics-tensor.ipynb)
2. [自动求导](chapter2/2.1.2-pytorch-basics-autograd.ipynb)
3. [神经网络包nn和优化器optm](chapter2/2.1.3-pytorch-basics-nerual-network.ipynb)
4. [数据的加载和预处理](chapter2/2.1.4-pytorch-basics-data-loader.ipynb)
#### 第二节 深度学习基础及数学原理
[深度学习基础及数学原理](chapter2/2.2-deep-learning-basic-mathematics.ipynb)
#### 第三节 神经网络简介
[神经网络简介](chapter2/2.3-deep-learning-neural-network-introduction.ipynb) 注：本章在本地使用微软的Edge打开会崩溃，请使Chrome Firefox打开查看
#### 第四节 卷积神经网络
[卷积神经网络](chapter2/2.4-cnn.ipynb)
#### 第五节 循环神经网络
[循环神经网络](chapter2/2.5-rnn.ipynb)
### 第三章 实践
#### 第一节 logistic回归二元分类
[logistic回归二元分类](chapter3/3.1-logistic-regression.ipynb)
#### 第二节 CNN:MNIST数据集手写数字识别
[CNN:MNIST数据集手写数字识别](chapter3/3.2-mnist.ipynb)
#### 第三节 RNN实例：通过Sin预测Cos
[RNN实例：通过Sin预测Cos](chapter3/3.3-rnn.ipynb)
### 第四章 提高
#### 第一节 Fine-tuning
[Fine-tuning](chapter4/4.1-fine-tuning.ipynb)
#### 第二节 可视化
[visdom](chapter4/4.2.1-visdom.ipynb)
[tensorboardx](chapter4/4.2.2-tensorboardx.ipynb)
[可视化理解卷积神经网络](chapter4/4.2.3-cnn-visualizing.ipynb)
#### 第三节 Fast.ai
[Fast.ai](chapter4/4.3-fastai.ipynb)
#### 第四节 训练的一些技巧
#### 第五节 多GPU并行训练
[多GPU并行计算](chapter4/4.5-multiply-gpu-parallel-training.ipynb)
### 第五章 应用
#### 第一节 Kaggle介绍
[Kaggle介绍](chapter5/5.1-kaggle.md)
#### 第二节 结构化数据
#### 第三节 计算机视觉
[Fashion MNIST 图像分类](chapter5/5.3-Fashion-MNIST.ipynb)
#### 第四节 自然语言处理
#### 第五节 协同过滤
### 第六章 资源
### 第七章 附录
transforms的常用操作总结
pytorch的损失函数总结
pytorch的优化器总结
## License
[本作品采用知识共享署名-非商业性使用-相同方式共享 3.0 中国大陆许可协议进行许可](http://creativecommons.org/licenses/by-nc-sa/3.0/cn)
pytorch_handbook是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习_pytorch-handbook.zip （75个子文件） 
DataXujing-pytorch-handbook-68db7a1 
Pytorch-Handbook-3.png 56KB chapter4 1.PNG 5KB
4.3-fastai.ipynb 93KB 2.PNG 12KB 4.1-fine-tuning.ipynb 40KB readme.md 445B 4.2.1-visdom.ipynb 9KB
1280px-Felis_silvestris_catus_lying_on_rice_straw.jpg 312KB 4.2.3-cnn-visualizing.ipynb 735KB 4.2.2-tensorboardx.ipynb 17KB 4.5-multiply-gpu-parallel-training.ipynb 37KB 3.PNG 2KB
static.zip 1.21MB chapter2 2.1.1.pytorch-basics-tensor.ipynb 19KB 10.png 11KB 2.2-deep-learning-basic-mathematics.ipynb 88KB 3.png 67KB googlenet.png 399KB cnn.png 47KB 2.4-cnn.ipynb 57KB 12.png 269KB vgg16.png 45KB 2.1.2-pytorch-basics-autograd.ipynb 33KB 2.3-deep-learning-neural-network-introduction.ipynb 61KB lenet5.jpg 31KB readme.md 738B 1.png 123KB 2.1.4-pytorch-basics-data-loader.ipynb 10KB 11.png 24KB 6.png 48KB
gru.gif 227KB 9.gif 63KB 5.png 61KB 4.png 178KB 8.png 181KB 2.5-rnn.ipynb 16KB resnet18.jpg 64KB 7.png 98KB 2.1.3-pytorch-basics-nerual-network.ipynb 12KB 2.png 126KB median_benchmark.csv 192KB resnet.png 14KB alexnet.png 76KB lstm.gif 307KB chapter5 5.3-Fashion-MNIST.ipynb 172KB kaggle.png 33KB readme.md 280B 5.1-kaggle.md 9KB chapter1 data_parallel_tutorial.ipynb 12KB tensor_tutorial.ipynb 10KB cifar10_tutorial.ipynb 14KB 1_tensor_tutorial.ipynb 13KB readme.md 631B autograd_tutorial.ipynb 8KB 3_neural_networks_tutorial.ipynb 13KB pic1.png 17KB 1.4-pytorch-resource.md 20B 4_cifar10_tutorial.ipynb 39KB 2_autograd_tutorial.ipynb 9KB neural_networks_tutorial.ipynb 11KB 1.1-pytorch-introduction.md 4KB 1.3-deep-learning-with-pytorch-60-minute-blitz.md 778B 5_data_parallel_tutorial.ipynb 14KB 1.2-pytorch-installation.md 3KB chapter3 german.data-numeric 100KB 3.2-mnist.ipynb 15KB readme.md 328B 3.1-logistic-regression.ipynb 8KB 3.3-rnn.ipynb 248KB Pytorch-Handbook-2.png 7KB .gitignore 19B changelog-v1.1.md 946B README.md 4KB PyTorch-Handbook-QR.png 7KB changelog-v1.0.md 3KB资源评论
