你是否也有这样的困惑：

 

“看了无数个入门教程，这个门还是没跨进去……”

 

PyTorch官方培训教程上线：从基本概念到实操，小白也能上手

这一次，你可能终于有救了！

 

PyTorch官方推出了培训教程，手把手带你飞！

 

PyTorch官方培训教程上线：从基本概念到实操，小白也能上手

课程从介绍PyTorch基本概念开始，小白看了完全无压力

 

一步步深入，手把手带你建模、训练、部署

 

短短八节课程，你就能真正上手PyTorch！

 

既然这么厉害，那么就来一起感受一下这份教程吧～

 

课程大纲

1 .介绍PyTorch

 

虽然这次课程偏向实际操作，但是官方依旧非常友好地默认大家都是新手，从基础概念上开始逐步引入。

 

PyTorch官方培训教程上线：从基本概念到实操，小白也能上手

2.介绍PyTorch Tensors

 

在第二节课程中，开始正式引入概念：

 

Tensor（张量）是PyTorch中的核心，它类似于NumPy的ndarrays ，表示的是一个多维矩阵。

 

PyTorch中的Tensors可以运行在GPU上，并且大大加快了运行速度。

 

具体课程如下：

创建PyTorch Tensors

数学或逻辑上的应用

张量复制

如何转移到GPU

操纵张量形状

PyTorch-Numpy Bridge

 

教程中举出了许多张量运算的典型例子：

 

比如创建一个-1到1之间的随机张量，可以取它的绝对值，使得到的所有值都是正数；可以接受它的反正弦值，因为值在-1到1之间且返回一个的角度。

 

PyTorch官方培训教程上线：从基本概念到实操，小白也能上手

此外，PyTorch中的张量还能进行线性代数运算，如行列式或奇异值分解；

 

数据统计、汇总，计算均值、标准差、最大值、最小值等等也都不在话下。

 

3.自动求导机制

 

自动求导是PyTorch能够快速运行的重要原因，它可以在深度学习中构建灵活框架。

 

通过梯度计算也可以推动基于反向传播的机器学习。

 

具体课程如下：

为什么要用自动求导？

典型案例示范

模型训练中的自动求导

使用自动求导

自动求导分析

高级API

 

在具体例子中，教程使用简单的递归神经或RNN来展示。

 

PyTorch官方培训教程上线：从基本概念到实操，小白也能上手

4.构建模型

 

具体课程：

模块和参数

常见神经网络层类型

其他层和函数

 

以识别字母模型为例， 教程首先展示了如何搭建一个神经网络：

 

PyTorch官方培训教程上线：从基本概念到实操，小白也能上手

在构建好网络后，将其转化为代码，就完成了模型的搭建。

 

5.PyTorch TensorBoard支持

 

具体课程：

TensorBoard可视化

绘制标量&可视化训练

模型可视化

使用嵌入可视化数集

 

这一步，教程中用模型进行了一个简单的训练：识别不同类型的服装。

 

通过跟踪训练将数据可视化，然后用TensorBoard来查看模型本身，从而进一步可视化数据及其内部关系。

 

6.训练模型

 

具体课程：

用Torch.NN建模

自动梯度计算学习

TensorBoard可视化

 

7.使用Captum探索PyTorch模型的可解释性

 

Captum是一个模型解释库，该库为许多新的算法（如：ResNet、BERT、一些语义分割网络等）提供了解释性。

 

可以帮助我们更好地理解对模型预测结果产生作用的具体特征、神经元及神经网络层。

 

具体课程：

基本概念

特殊举例

图层属性举例

用Captum & Captum insights探索模型的可解释性

 

8.模型部署推理

 

具体课程：

PyTorch模型评估

TorchScript

TorchScript & C++

TorchServe部署

 

最后一步，将以上构建出的模型进行评估。

 

PyTorch官方培训教程上线：从基本概念到实操，小白也能上手

传送门

PyTorch官方教程：

https://www.youtube.com/channel/UCWXI5YeOsh03QvJ59PMaXFw/videos

 

如果纯英文教程比较吃力，可以参考b站汉化版（@爱可可-爱生活）：

https://www.bilibili.com/video/BV1qh411U73y?p=1

 

以及中文版文字教程：

https://pytorch-cn.readthedocs.io/zh/latest/notes/extending/#pytorch