# thorough-pytorch

**Repository Path**: leejeric/thorough-pytorch

## Basic Information

- **Project Name**: thorough-pytorch
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: 2.x
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-11-26
- **Last Updated**: 2024-11-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 深入浅出PyTorch
**在线阅读地址**：[深入浅出PyTorch-在线阅读](https://datawhalechina.github.io/thorough-pytorch/)

**配套视频教程**：[深入浅出PyTorch-bilibili视频](https://www.bilibili.com/video/BV1L44y1472Z)

## 一、项目简介

### 项目介绍及预期目标

欢迎来到thorough-PyTorch教程，这是一个专为希望在人工智能、数据科学等领域使用深度学习进行研究的学习者设计的课程。PyTorch以其灵活性、可读性和优越性能成为深度学习主流的框架。但是现有的PyTorch教程大部分为英文官方教程或只是某几个任务的特定教程，并不存在一个较为完整的中文PyTorch教程，为了能帮助更好的同学入门PyTorch，我们推出了thorough-PyTorch教程。

我们希望通过理论学习和实践操作的结合，帮助你从入门到熟练地掌握PyTorch工具，让你在理解深度学习的基本概念和实现技术的同时，能够通过动手实践提高你的技能熟练度。

我们的预期目标是，通过本教程，你不仅能够透彻理解PyTorch的基本知识和内容，也能通过项目实战磨练你的编程技能，从而更好地应用PyTorch进行深度学习，提高解决实际问题的能力。无论你是初学者还是已有一定基础的学习者，我们都将带领你深入理解并掌握PyTorch，让你在数据科学的道路上更进一步。

### 面向对象及前置技能

- 适用于所有具备基础 Python 能力，想要入门 PyTorch 的AI从业者，同学。
- 我们希望你具有基础的数理知识，深度学习基础知识，Python编程基础和使用搜索引擎解决问题的能力。

### 教程使用的环境

我们的教程在以下的环境下均进行测试过，我们建议在安装python时，安装3.8以上的版本，同时尽量使用Linux机器进行学习(Windows也可以)

1. torch2.0.1+cpu / Windows11 / python3.9.17
2. torch1.12+cu113 / Ubuntu 20.04 / python 3.9.18
3. torch2.0.1+cu118 / Ubuntu 20.04 / python 3.9.18

### 教程的答疑

1. 我们会记录大家在学习中遇到的一些问题并汇聚在FAQ(Frequently Asked Questions)文档中，在提issue前可以查看FAQ文档。我们也欢迎大家把自己遇到的问题Pull request至FAQ文档中。
2. 关于出现的问题，欢迎大家在[issues](https://github.com/datawhalechina/thorough-pytorch/issues)提问，一个好的问题应该包括：BUG的完整电脑截图，清晰的问题描述，已经在Google/ChatGPT上进行自我查找过问题的解决方案。

## 二、内容大纲

### 相关前置知识[选学]

1. 基础数理知识
2. 反向求导
3. 相关评价指标
4. Jupyter相关操作

### 一、PyTorch的简介和安装

1. PyTorch简介与安装
2. Tensor的简介
3. 自动求导机制

### 二、PyTorch的主要组成模块

1. 引言：一个深度学习项目的组成
2. 数据读取
3. 模型构建
4. 模型初始化
5. 损失函数
6. 优化器
7. 训练与评估
8. 模型的保存和读取
9. 模型性能的评价

### 三、PyTorch计算机视觉基础实战

1. 基础实战——Fashion-MNIST时装分类
2. 基础实战——果蔬分类实战（notebook）
3. 基础实战——UNet图像分割

### 四、PyTorch自然语言处理基础实战

1. 基础实战——RNN/LSTM
2. 基础实战——Transformer-machine translation实战

### 五、PyTorch进阶实战

1. GPT2实战详解

### FAQ（frequently asked question）文档
1. Pip/conda的换源
2. 如何在vscode使用debugpy进行python的debug


## 三、贡献者

**贡献者**

- @[牛志康-核心贡献者](https://github.com/NoFish-528)（Datawhale成员-西安电子科技大学本科生）
- @[李嘉骐-核心贡献者](https://github.com/LiJiaqi96)（Datawhale成员-清华大学研究生）
- @[陈安东-贡献者](https://github.com/andongBlue)（Datawhale成员-哈尔滨工业大学博士生）
- @[刘洋-贡献者](https://github.com/liu-yang-maker)（Datawhale成员-中国科学院数学与系统科学研究所研究生）
- @[徐茗-贡献者](https://github.com/laffycat)（Datawhale成员北京邮电大学本科生）
- @[邹雨衡-贡献者](https://github.com/logan-zou)（Datawhale成员-对外经济贸易大学研究生）
- @[潘笃驿-贡献者](https://github.com/limafang)（Datawhale成员-西安电子科技大学本科生）
- @[沈豪-贡献则](https://github.com/shenhao-stu)（Datawhale成员-复旦大学博士研究生）
- @[李鑫-贡献者](https://github.com/Mr-atomer)（西安电子科技大学本科生）

**其他**

- 非常感谢DataWhale成员 叶前坤 @[PureBuckwheat](https://github.com/PureBuckwheat) 和 胡锐锋 @[Relph1119](https://github.com/Relph1119) 对文档的细致校对！
- 关于本教程有任何意见与建议可发邮件至nzk020109@gmail.com，主题命名为**PyTorch教程建议**开头

<a href="https://github.com/datawhalechina/thorough-pytorch/graphs/contributors">
  <img src="https://contrib.rocks/image?repo=datawhalechina/thorough-pytorch" />
</a>

Made with [contrib.rocks](https://contrib.rocks).

## 四、关于贡献

<details> 

本项目使用`Forking`工作流，具体参考[atlassian文档](https://www.atlassian.com/git/tutorials/comparing-workflows/forking-workflow)大致步骤如下：

1. 在GitHub上Fork本仓库
2. Clone Fork后的个人仓库
3. 设置`upstream`仓库地址，并禁用`push`
4. 使用分支开发，课程分支名为`ch{#NO}`，`#NO`保持两位，如`ch07`，对应课程目录
5. PR之前保持与原始仓库的同步，之后发起PR请求。
6. 对 PR 不熟悉的同学，可以查阅[第一次参与开源](https://github.com/firstcontributions/first-contributions/blob/main/translations/README.zh-cn.md)中的流程。

命令示例：

```shell
# fork
# clone
git clone git@github.com:USERNAME/thorough-pytorch.git
# set upstream
git remote add upstream git@github.com:datawhalechina/thorough-pytorch.git
# disable upstream push
git remote set-url --push upstream DISABLE
# verify
git remote -v
# some sample output:
# origin	git@github.com:NoFish-528/thorough-pytorch.git (fetch)
# origin	git@github.com:NoFish-528/thorough-pytorch.git (push)
# upstream	git@github.com:datawhalechina/thorough-pytorch.git (fetch)
# upstream	DISABLE (push)
# do your work
git checkout -b ch07 # 根据实际情况修改分支
# edit and commit and push your changes
git push -u origin ch07
# keep your fork up to date
## fetch upstream main and merge with forked main branch
git fetch upstream
git checkout main
git merge upstream/main
## rebase brach and force push
git checkout ch07
git rebase main
git push -f
```

### Commit Message

提交信息使用如下格式：`<type>: <short summary>`

```
<type>: <short summary>
  │            │
  │            └─⫸ Summary in present tense. Not capitalized. No period at the end.
  │
  └─⫸ Commit Type: [docs #NO]:others
```

`others`包括非课程相关的改动，如本`README.md`中的变动，`.gitignore`的调整等。
</details>


## 五、关注我们
<div align=center><img src="https://raw.githubusercontent.com/datawhalechina/easy-rl/master/docs/res/qrcode.jpeg" width = "250" height = "270" alt="Datawhale是一个专注AI领域的开源组织，以“for the learner，和学习者一起成长”为愿景，构建对学习者最有价值的开源学习社区。关注我们，一起学习成长。"></div>

## LICENSE
<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://img.shields.io/badge/license-CC%20BY--NC--SA%204.0-lightgrey" /></a><br />本作品采用<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议</a>进行许可。