Skip to content

《Pytorch实用教程》(第二版)无论是零基础入门,还是CV、NLP、LLM项目应用,或是进阶工程化部署落地,在这里都有。相信在本书的帮助下,读者将能够轻松掌握 PyTorch 的使用,成为一名优秀的深度学习工程师。

Notifications You must be signed in to change notification settings

TingsongYu/PyTorch-Tutorial-2nd

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

PyTorch 实用教程(第二版)

book-cover

时隔5年,历时4年,耗时2年的《PyTorch实用教程》(第二版)完成了。在第一版的精华之上,增加了丰富详实的深度学习应用案例推理部署框架,使本书更系统性的涵盖深度学习工程师所涉及的知识面。如人工智能技术发展一浪接一浪,《Pytorch实用教程》(第二版)不是结束,而是再次扬帆起航,开启新的技术、新的领域、新的篇章,希望未来能继续与大家一起在人工智能技术里学习、进步。

📚 在线阅读(开源免费):《PyTorch实用教程》(第二版)

🖥️ 配套代码(开源免费):《PyTorch实用教程》(第二版)

📢📢📢:请点个Star,予以鼓励!


本项目已被 HelloGitHub 社区收录,已加入 HelloGitHub 徽章计划

Featured|HelloGitHub

目录

本书内容

本书以基础概念为基石,计算机视觉、自然语言处理和大语言模型为核心,推理部署框架为桥梁,皆在为读者提供面向项目落地的代码工程与理论讲解。本书整体分三部分,上篇:入门,中篇:应用,下篇:落地。

上篇

PyTorch基础。针对刚入门、非科班、本科生,提供PyTorch介绍,讲解开发环境的搭建,介绍PyTorch的数据、模型、优化、可视化等核心模块,最后利用所讲解的PyTorch知识点构建一套自己的代码结构,为后续的应用打下基础。

#

中篇

产业应用。经过上篇,磨了一把好刀,接下来就用它在各领域上大显身手。将会讲解三个主题,分别是计算机视觉(Computer Vision)、自然语言处理(Natural Language Processing)和大语言模型(Large Language Model)。

-Static Badge

在CV章节,包括主流的任务,有图像分类、图像分割、目标检测、目标跟踪、GAN生成、Diffusion生成、图像描述和图像检索八大任务。

CV-prj


-

在NLP章节,包括RNN、LSTM、Transformer、BERT和GPT模型详解与应用,应用的任务有文本分类、机器翻译、命名体识别、QA问答和文章生成五大任务。

NLP-prj #


-

在LLM章节,包括4个LLM部署与代码分析和一个LLM行业应用——GPT Academic(GPT 学术优化),LLM包括国内开源的四大主流模型,Qwen、ChatGLM、Baichuan和Yi

LLM-prjgpt-academic-prj

下篇

工业落地。有了工具,有了场景,接下来就要让它产生价值,变成可用的、好用的算法服务。因此,从pytorch这样一个训练框架、重框架中剥离出来进行部署、加速、量化是常见的方法。本章将介绍ONNX和TensorRT的原理与使用,同时借助TensorRT详细分析模型量化概念、PTQ和QAT量化实战与原理。

相信经过上、中、下篇的学习,可以帮助入门的同学少走很多弯路,快速掌握PyTorch,具备独当一面的能力,能依据实际场景选择算法模型,可以将模型部署应用,形成闭环,全流程打通。

#

本书亮点

  • 结构清晰:全书分为三部分:上篇(入门)、中篇(应用)、下篇(落地),逐步引导读者深入学习。

  • 理论与实践结合:不仅提供理论讲解,还通过丰富的项目案例,让读者能够将理论应用于实践。

  • 实战案例丰富:提供了计算机视觉、自然语言处理和大语言模型等多个领域的实战案例。

  • 系统性覆盖:涵盖PyTorch基础、计算机视觉基础任务、自然语言处理基础任务、大语言模型基础、推理部署框架。

  • 适用性广:适合AI自学者、AI产品经理、在校学生以及跨领域人士阅读,满足不同背景和需求的读者。

    Star History Chart
#

读者交流

为增强读者阅读氛围,提供交流途径,特地建立了QQ交流群。

为保证群内交流质量,入群需要密码,密码获取,请查看代码

近期会在群内分享最新技术文章,包括CV项目实战,LLM推理部署,RAG系统等前沿科技,欢迎加入技术交流。

一群:671103375 (已满)

二群:773031536 (已满)

三群:514974779 (已满)

四群:854620826

开源协议

本作品采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可。

附录

停更记录:

日期 进度 停更原因 停更时间
2022年1月下旬 完成至3.2 工作中有个“头疼”的项目 2022年1月下旬至2022年4月下旬
2022年7月下旬 完成至7.7 项目多了,新人多了,非公司外的事情多了。
预计要到11月可以继续
2022年7月下旬至2023年3月上旬
2023年7月上旬 完成至11.3 小情人诞生,精力耗尽... 2022年6月中旬至2023年1月中旬

About

《Pytorch实用教程》(第二版)无论是零基础入门,还是CV、NLP、LLM项目应用,或是进阶工程化部署落地,在这里都有。相信在本书的帮助下,读者将能够轻松掌握 PyTorch 的使用,成为一名优秀的深度学习工程师。

Topics

Resources

Stars

Watchers

Forks

Packages

No packages published