PyTorch官方教程大更新:增加标签索引,更加新手友好
我爱计算机视觉
PyTorch官方教程，现已大幅更新：
提供标签索引，增加主题分类，更加新手友好。
不必再面对一整页教学文章茫然无措，可以想学哪里就精准点哪里了。
网友们纷纷表示：更新得太及时了。
标签索引：哪里不会点哪里
如果你是PyTorch 24K纯萌新，PyTorch官方一如既往地向你推荐他们最受欢迎的教程之一：60分钟入门PyTorch（Start 60-min blitz）。
并且这一次，有了更显眼的入口，保证你绝对不会错过。
而这一次更新的重点，在于快速标签索引。
不再是简单粗暴的CV、NLP、RL这样的分类，而是对教程的主题进行了更细致的划分。
并且，你可以通过选择标签，来精准地找到你想要的教程。
比如，你想看看计算机视觉相关的模型优化教程，选中「Image/Video」、「Model Optimization」这两个标签，就能快速筛选出对应的教学内容。
具体的PyTorch示例、PyTorch中常用API、元素的备忘录，以及教程的GitHub链接，则作为附加资源，单独列在教程板块之后，很容易找到。
当然，除了交互体验上的更新，教程内容方面，PyTorch官方也增加了新的「食用指南」，比如：
- PyTorch数据加载（LOADING DATA IN PYTORCH）
- CAPTUM的模型可解释性（MODEL INTERPRETABILITY USING CAPTUM）
- 如何在PyTorch中使用Tensorboard（HOW TO USE TENSORBOARD WITH PYTORCH）
完整资源清单
最后，总结一下PyTorch官方教程都包括哪些方面的内容。
PyTorch入门教程：60分钟闪电战
图像/视频篇（CV）
TorchVision目标检测微调教程
计算机视觉迁移学习教程
对抗示例生成
DCGAN教程
音频篇
torchaudio教程
文本篇（NLP）
用nn.Transformer和TorchText实现 Sequence2Sequence 建模
从零开始NLP：使用字符级 RNN 进行名字分类
从零开始NLP：使用字符级 RNN 生成名字
从零开始NLP：使用 Sequence2Sequence 网络和注意力进行翻译
使用TorchText实现文本分类
使用TorchText实现语言翻译
强化学习
强化学习教程
在生产环境中部署PyTorch模型
使用Flask来部署PyTorch模型
TorchScript简介
在C++中加载TorchScript模型
将模型从PyTorch中导出到ONNX，并使用ONNX RUNTIME运行
前端API
PyTorch中的命名张量简介
通道在Pytorch中的最终存储格式
使用PyTorch C++前端
自定义C++和CUDA扩展
使用自定义C++运算符扩展TorchScript
使用自定义C++类扩展TorchScript
C ++前端中的Autograd
模型优化
剪枝教程
LSTM Word语言模型上的动态量化
BERT上的动态量化
在PyTorch中使用Eager模式进行静态量化
计算机视觉的量化迁移学习教程
并行和分布式训练
单机模型并行最佳实践
分布式数据并行入门
用PyTorch编写分布式应用程序
分布式RPC框架入门
（进阶）Amazon AWS的PyTorch 1.0分布式训练
使用分布式RPC框架实现参数服务器
传送门
PyTorch官方教程：
https://pytorch.org/tutorials/
作者系网易新闻·网易号“各有态度”签约作者
鱼羊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
到此这篇关于PyTorch官方教程大更新:增加标签索引,更加新手友好的文章就介绍到这了,更多相关PyTorch官方教程大更新内容请搜索脚本之家以前的文章或继续浏览下面的相关文章，希望大家以后多多支持脚本之家！