上次写了TensorFlow的快速入门资料，受到很多好评，读者强烈建议我出一个pytorch的快速入门路线，经过翻译和搜索网上资源，我推荐3份入门资料，希望对大家有所帮助。

备注：TensorFlow的快速入门资料

很负责任地说：看完这些资料，Pytorch基本入门了，接下来碰到问题能自己查资料解决了！（本文作者：黄海广）

推荐资料

1.PyTorch 深度学习:60分钟快速入门（官网翻译）

“PyTorch 深度学习:60分钟快速入门”为PyTorch官网教程，网上已经有部分翻译作品，随着PyTorch1.0版本的公布，这个教程有较大的代码改动，本人对教程进行重新翻译，并测试运行了官方代码，制作成Jupyter Notebook文件（中文注释）在github予以公布。

本文内容较多，可以在线学习，如果需要本地调试，请到github下载：

https://github.com/fengdu78/Data-Science-Notes/tree/master/8.deep-learning/PyTorch_beginner

此教程为翻译官方地址：

https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html

作者:Soumith Chintala

本教程的目标：

• 在高层次上理解PyTorch的张量(Tensor)库和神经网络

• 训练一个小型神经网络对图像进行分类

• 本教程假设您对numpy有基本的了解

注意：务必确认您已经安装了 torch 和 torchvision 两个包。

目录

• 一、Pytorch是什么？

• 二、AUTOGRAD

• 三、神经网络

• 四、训练一个分类器

• 五、数据并行

图：翻译截图

2.PyTorch 中文手册（pytorch handbook）（github标星7900+）

资源地址：

https://github.com/zergtant/pytorch-handbook

这是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门。我试了一下里面的ipynb代码，非常全面，值得推荐。

资源目录：

第一章 ：PyTorch入门

第一节 PyTorch 简介

第二节 PyTorch 环境搭建

第三节 PyTorch 深度学习：60分钟快速入门（官方）

张量

Autograd：自动求导

神经网络

训练一个分类器

选读：数据并行处理（多GPU）

4.相关资源介绍

第二章 ： 基础

第一节 PyTorch 基础

张量

自动求导

神经网络包nn和优化器optm

数据的加载和预处理

第二节 深度学习基础及数学原理

深度学习基础及数学原理

第三节 神经网络简介

神经网络简介

第四节 卷积神经网络

卷积神经网络

第五节 循环神经网络

循环神经网络

第三章 ： 实践

第一节 logistic回归

logistic回归二元分类

第二节 CNN:MNIST数据集手写数字识别

CNN:MNIST数据集手写数字识别

第三节 RNN实例：通过Sin预测Cos

RNN实例：通过Sin预测Cos

第四章 ： 提高

第一节 Fine-tuning

Fine-tuning

第二节 可视化

visdom

tensorboardx

可视化理解卷积神经网络

第三节 Fast.ai

Fast.ai

第五节 多GPU并行训练

多GPU并行计算

第五章 ： 应用

第一节 Kaggle介绍

Kaggle介绍

第二节 结构化数据

第三节 计算机视觉

第四节 自然语言处理

3.Pytorch教程（github标星13600+）

资源地址：

https://github.com/yunjey/pytorch-tutorial

资源介绍：

这个资源为深度学习研究人员提供了学习PyTorch的教程代码大多数模型都使用少于30行代码实现。在开始本教程之前，建议先看完Pytorch官方教程。（大部分教程是PyTorch0.4实现的，代码与1.0+稍微有点不同，总体影响不大）

配置环境：

python 2.7或者3.5以上，pytorch 0.4

资源目录：

1.基础知识

• PyTorch基础知识

• 线性回归

• Logistic回归

• 前馈神经网络

2.中级

• 卷积神经网络

• 深度残差网络

• 递归神经网络

• 双向递归神经网络

• 语言模型（RNN-LM）

3.高级

• 生成性对抗网络

• 变分自动编码器

• 神经风格转移

• 图像字幕（CNN-RNN）

4.工具

• PyTorch中的TensorBoard

暂时想到这么多，欢迎留言补充。（黄海广）

机器学习初学者

黄海广博士创建的公众号，黄海广博士个人知乎粉丝22000+，github排名全球前120名（31000+）。本公众号致力于人工智能方向的科普性文章，为初学者提供学习路线和基础资料。原创作品有：吴恩达机器学习个人笔记、吴恩达深度学习笔记等。

往期精彩回顾

• 那些年做的学术公益-你不是一个人在战斗

• 良心推荐：机器学习入门资料汇总及学习建议

• 吴恩达机器学习课程笔记及资源（github标星12000+，提供百度云镜像）

• 吴恩达深度学习笔记及视频等资源（github标星8500+，提供百度云镜像）

• 《统计学习方法》的python代码实现（github标星7200+）

• 精心整理和翻译的机器学习的相关数学资料

• 首发：深度学习入门宝典-《python深度学习》原文代码中文注释版及电子书

• 图解word2vec(原文翻译)

备注：加入本站微信群或者qq群，请回复“加群”

加入知识星球（4200+用户，ID：92416895），请回复“知识星球”