pytorch-tutorial-zh
雏鹰起飞部分是为了能够快速上手PyTorch
小试牛刀部分则是用来练手的模型,大部分都是对论文工作的复现,或者是一些有意思的例子。
为了避免 jupyter notebook 加载过慢,可以直接选择看 .py 文件,代码和 notebook 中基本一样,只是少了一些图示说明罢了。
安装 Pytorch 0.4.0版本,linux、windows 下可以通过这个 Pytorch官网
Content | .ipynb 文件 | .py 文件 |
---|---|---|
1.Tensor基础 | Tensor基础.ipynb | Tensor基础.py |
2.autograd机制 | autograd机制.ipynb | autograd机制.py |
3.线性回归 | 线性回归.ipynb | 线性回归.py |
4.多层感知机 | 多层感知机.ipynb | 多层感知机.py |
5.Dataset和DataLoader | Dataset和DataLoader.ipynb | Dataset和DataLoader.py |
6.CNN和MNIST | CNN和MNIST.ipynb | CNN和MNIST.py |
7.参数初始化和使用预训练模型 | 参数初始化和使用预训练模型.ipynb | 参数初始化和使用预训练模型.py |
8.模型微调的各种trick | 模型微调的各种trick.ipynb | 模型微调的各种trick.py |
9.模型保存和加载 | 模型保存和加载.ipynb | 模型保存和加载.py |
10.循环神经网络(RNN) | 循环神经网络(RNN).ipynb | 循环神经网络(RNN).py |
Content | .ipynb 文件 | .py 文件 | paper |
---|---|---|---|
AlexNet | AlexNet.ipynb | AlexNet.py | AlexNet paper |
VGG | VGG.ipynb | VGG.py | VGG paper |
Network In Network | NIN.ipynb | NIN.py | Network In Network paper |
GoogleNet | [GoogleNet.ipynb] | [GoogleNet] | GoogleNet V1 paper |
ResNet | ResNet.ipynb | ResNet.py | ResNet paper |
DenseNet | [DenseNet.ipynb] | [DenseNet] | DenseNet paper |
Content | .ipynb 文件 | .py 文件 | paper |
---|---|---|---|
语义分割(FCN) | FCN.ipynb | FCN.py | FCN paper |
Content | .ipynb 文件 | .py 文件 | paper |
---|---|---|---|
Word2Vec | Word2Vec.ipynb | Word2Vec.py | Word2Vec Toolkit |
LSTM | 使用LSTM来生成周杰伦歌词.ipynb | 使用LSTM来生成周杰伦歌词.py | [paper] |
Encoder-Decoder | 使用Encoder-Decoder来完成机器翻译.ipynb | Encoder-Decoder.py | [paper] |
注意力机制 | 使用Encoder-Decoder + Attention 机制来完成机器翻译.ipynb | Attention.py | Neural Machine Translation by Jointly Learning to Align and Translate |
Content | .ipynb 文件 | .py 文件 | paper |
---|---|---|---|
GAN | GAN.ipynb | GAN.py | GAN paper |
DCGAN | DCGAN.ipynb | DCGAN.py | DCGAN paper |
Variational Auto-Encoder | VAE.ipynb | VAE.py | VAE paper |
Content | .ipynb 文件 | .py 文件 | paper |
---|---|---|---|
Nueral_Style | Neural Style.ipynb | Nueral Style.py | Nueral_Style paper |
Content | .ipynb 文件 | .py 文件 | paper |
---|---|---|---|
Policy Gradients | 基于 policy gradients 来玩 CartPole-v0 | 基于 policy gradients 来玩 CartPole-v0 | 任务介绍 |
Content | .ipynb 文件 | .py 文件 | paper |
---|---|---|---|
Capsule | Capsule.ipynb | Capsule.py | Capsule paper |
Attention is all you need | attention_all.ipynb | attention_all.py | Attention is all you need |
Graph Convolution Network | GCN.ipynb | GCN.py | GCN paper |
Python 3.5
PyTorch 0.3.0
最好有 GPU
关于 1.0 版本的更新... 我只能尽量抽空来弄了,各位读者大大还请见谅。