【深度学习】新人如何入门Pytorch的路线？有哪些资源推荐？

初学者如何入门Pytorch，看看过来人的建议

作者：范星.xfanplus

链接：https://www.zhihu.com/question/55720139/answer/294449487

高赞回答

第一步当作高级Numpy来玩。

看官方的tutorial [Welcome to PyTorch Tutorials]：(https://pytorch.org/tutorials/)，

一路next，把第一块内容《Deep Learning with PyTorch: A 60 Minute Blitz》看完就够了，60分钟入门，搞懂Tensor和Variable两大核心概念，知道自动求导是怎么回事。有空的话可以一路next到底，各种基本概念都有个印象。

总之，打开iPython交互界面，当作Numpy来玩就好了。

第二步找个标准模版研究

看官方的例子[pytorch/examples]：(https://github.com/pytorch/examples)，

里面的MNIST和ImageNet的例子都可以研究一下，处理命令行参数的部分比较多余可以略过，看一下标准范式，另外[Learning PyTorch with Examples]：(https://pytorch.org/tutorials/beginner/pytorch_with_examples.html)

官方tutorial里面也有对应的讲解，结合起来看。

上面看完基本就想动手用了，觉得不够还可以补充看下[yunjey/pytorch-tutorial]：(https://github.com/yunjey/pytorch-tutorial)

这个，有好几个入门的例子。

第三步边看文档边用

PyTorch的官方文档[PyTorch documentation]：(https://pytorch.org/docs/master/index.html)

有一些不足，很多关键概念和原理都没有讲清楚，但是作为API参考手册是相当好的，先通读一遍，PyTorch具体能干那些事情有个印象，然后开始搞自己的任务，遇到想要实现的操作就去官方文档查API。

到这里，就算入门了，尽情用PyTorch完成自己的任务吧。

PyTorch大法好！写几个月TensorFlow再写PyTorch，简直有写了两年C++突然开始写Python的幸福感，尼玛，还能这么搞，不要太方便！（额，不引战，TensorFlow也很优秀，相当优秀，谷歌出品，质量有保证）

入门后，在具体的日常使用上面，可能经常需要利用到的几个资源：

[bharathgs/Awesome-pytorch-list]：(https://github.com/bharathgs/Awesome-pytorch-list)：

Awesome系列，收录各种PyTorch的资源，有需求，这里去找，包括各种模型，各种有趣的应用，更多的教程，各种论文复现等等，这是一个非常不错的PyTorch资源整理，应用尽有，质量非常高。（Github 12.1k）

主要内容：

PyTorch&相关库

这一部分只有一个资源，也就是PyTorch的官方网站。
NLP&语音处理

这一部分暂时有二十六个资源，主要涉及语音处理、NLP、多说话人语音处理、语音合成、机器翻译等等。
计算机视觉

这一部分暂时有十四个资源，主要涵盖图像增强、语义分割、风格迁移等等。
概率/生成库

这一部分暂时有七个资源，主要涵盖概率编程、统计推理和生成模型等等。
其他库

这一部分暂时有七十八个资源，主要涵盖上述领域之外的一些PyTorch库。
教程&实例

这一部分暂时有五十三个资源，不仅有官方的教程，也有许多非官方的开发者自己的经验，而且也有中文版的教程。
论文实现

这一部分资源是最多的，暂时有二百七十三个。基本上涵盖了所有顶尖的论文，有兴趣的可以mark下来，一篇一篇的自己过一遍。

[PyTorch Forums]：(https://discuss.pytorch.org/):

PyTorch的官方论坛，有问题，除了谷歌百度，去github提issue，还有去这里问，我在这儿找到不少问题的解答；

[Cadene/pretrained-models.pytorch]：(https://github.com/Cadene/pretrained-models.pytorch)：

最后，想要自定义网络，这里有Inception、ResNet、ResNeXt等各种模型的预训练模型，可以在此基础上该，可以找到各种模型；

PyTorch大法好，不过还有很多具体功能怎么用并不是很直接，怎么自定义控制加载不同模型的权重，怎么样多GPU并行，怎么样自定义每一层的学习率和weight decay，以及怎么调整学习率等等，都要自己摸索，官方支持还不是很人性化，后面博客可能会介绍这些topics。

以上。


往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑黄海广老师《机器学习课程》课件合集
本站qq群851320808，加入微信群请扫码：