# eat_pytorch_in_20_days
**Repository Path**: sdplane/eat_pytorch_in_20_days
## Basic Information
- **Project Name**: eat_pytorch_in_20_days
- **Description**: Pytorch🍊🍉 is delicious, just eat it!😋😋
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 33
- **Created**: 2022-09-16
- **Last Updated**: 2022-09-16
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# How to eat Pytorch in 20 days ?🔥🔥
### 一，本书📖面向读者 👼
**本书假定读者有一定的机器学习和深度学习基础，使用过Keras或TensorFlow或Pytorch搭建训练过简单的模型。**
**对于没有任何机器学习和深度学习基础的同学，建议在学习本书时同步参考阅读《Python深度学习》一书的第一部分"深度学习基础"内容。**
《Python深度学习》这本书是Keras之父Francois Chollet所著，该书假定读者无任何机器学习知识，以Keras为工具，
使用丰富的范例示范深度学习的最佳实践，该书通俗易懂，**全书没有一个数学公式，注重培养读者的深度学习直觉。**。
《Python深度学习》一书的第一部分的4个章节内容如下，预计读者可以在20小时之内学完。
* 1，什么是深度学习
* 2，神经网络的数学基础
* 3，神经网络入门
* 4，机器学习基础
🔥🔥号外号外，《20天吃掉那只Pytorch》视频版本登录BiliBili啦，吃货本货倾情掌勺，只为最纯正的乡土味道，欢迎新老朋友前来品尝 🍉🍉！
https://www.bilibili.com/video/BV1Ua411P7oe
### 二，本书写作风格 🍉
**本书是一本对人类用户极其友善的Pytorch入门工具书，Don't let me think是本书的最高追求。**
本书主要是在参考Pytorch官方文档和函数doc文档基础上整理写成的。
尽管Pytorch官方文档已经相当简明清晰，但本书在篇章结构和范例选取上做了大量的优化，在用户友好度方面更胜一筹。
本书按照内容难易程度、读者检索习惯和Pytorch自身的层次结构设计内容，循序渐进，层次清晰，方便按照功能查找相应范例。
本书在范例设计上尽可能简约化和结构化，增强范例易读性和通用性，大部分代码片段在实践中可即取即用。
**如果说通过学习Pytorch官方文档掌握Pytorch的难度大概是5，那么通过本书学习掌握Pytorch的难度应该大概是2.**
仅以下图对比Pytorch官方文档与本书《20天吃掉那只Pytorch》的差异。
```python
```
### 三，本书学习方案 ⏰
**1，学习计划**
本书是作者利用工作之余大概3个月写成的，大部分读者应该在20天可以完全学会。
预计每天花费的学习时间在30分钟到2个小时之间。
当然，本书也非常适合作为Pytorch的工具手册在工程落地时作为范例库参考。
**点击学习内容蓝色标题即可进入该章节。**
|日期 | 学习内容 | 内容难度 | 预计学习时间 | 更新状态|
|----:|:--------------------------------------------------------------|-----------:|----------:|-----:|
| |[**一、Pytorch的建模流程**](./一、Pytorch的建模流程.ipynb) |⭐️ | 0hour |✅ |
|day1 | [1-1,结构化数据建模流程范例](./1-1,结构化数据建模流程范例.ipynb) | ⭐️⭐️⭐️ | 1hour |✅ |
|day2 | [1-2,图片数据建模流程范例](./1-2,图片数据建模流程范例.ipynb) | ⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day3 | [1-3,文本数据建模流程范例](./1-3,文本数据建模流程范例.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day4 | [1-4,时间序列数据建模流程范例](./1-4,时间序列数据建模流程范例.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
| |[**二、Pytorch的核心概念**](./二、Pytorch的核心概念.ipynb) | ⭐️ | 0hour |✅ |
|day5 | [2-1,张量数据结构](./2-1,张量数据结构.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day6 | [2-2,自动微分机制](./2-2,自动微分机制.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
|day7 | [2-3,动态计算图](./2-3,动态计算图.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
| |[**三、Pytorch的层次结构**](./三、Pytorch的层次结构.ipynb) | ⭐️ | 0hour | ✅ |
|day8 | [3-1,低阶API示范](./3-1,低阶API示范.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day9 | [3-2,中阶API示范](./3-2,中阶API示范.ipynb) | ⭐️⭐️⭐️ | 1hour |✅ |
|day10 | [3-3,高阶API示范](./3-3,高阶API示范.ipynb) | ⭐️⭐️⭐️ | 1hour |✅ |
| |[**四、Pytorch的低阶API**](./四、Pytorch的低阶API.ipynb) |⭐️ | 0hour| ✅ |
|day11| [4-1,张量的结构操作](./4-1,张量的结构操作.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day12| [4-2,张量的数学运算](./4-2,张量的数学运算.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour |✅ |
|day13| [4-3,nn.functional和nn.Module](./4-3,nn.functional和nn.Module.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour |✅ |
| |[**五、Pytorch的中阶API**](./五、Pytorch的中阶API.ipynb) | ⭐️ | 0hour|✅ |
|day14| [5-1,Dataset和DataLoader](./5-1,Dataset和DataLoader.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day15| [5-2,模型层](./5-3,模型层.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour |✅ |
|day16| [5-3,损失函数](./5-4,损失函数.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour |✅ |
|day17| [5-4,TensorBoard可视化](./5-4,TensorBoard可视化.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
| |[**六、Pytorch的高阶API**](./六、Pytorch的高阶API.ipynb)| ⭐️ | 0hour|✅ |
|day18| [6-1,构建模型的3种方法](./6-1,构建模型的3种方法.ipynb) | ⭐️⭐️ | 0.5hour |✅ |
|day19| [6-2,训练模型的3种方法](./6-2,训练模型的3种方法.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
|day20| [6-3,使用GPU训练模型](./6-3,使用GPU训练模型.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
| * | [后记：我的产品观](https://mp.weixin.qq.com/s/WXUJ0D2iAIWASlkpv60FLA) | ⭐️ | 0hour | ✅ |
```python
```
**2，学习环境**
本书全部源码在jupyter中编写测试通过，建议通过git克隆到本地，并在jupyter中交互式运行学习。
为了直接能够在jupyter中打开markdown文件，建议安装jupytext，将markdown转换成ipynb文件。
step1: 克隆本书源码到本地,使用码云镜像仓库国内下载速度更快
```
git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days
```
step2: 公众号 **算法美食屋** 回复关键词：**pytorch**， 获取本项目所用数据集汇总压缩包 eat_pytorch_datasets.zip百度云盘下载链接，下载解压并移动到eat_pytorch_in_20_days路径下，约160M。
```python
import torch
from torch import nn
print("torch version:", torch.__version__)
a = torch.tensor([[2,1]])
b = torch.tensor([[-1,2]])
c = a@b.t()
print("[[2,1]]@[[-1],[2]] =", c.item())
```
```
torch version: 1.10.0
[[2,1]]@[[-1],[2]] = 0
```
```python
```
### 四，项目更新记录
#### 1， 2022-06🎈🎈更新pytorch模型训练工具库torchkeras
相关章节代码进行了对应优化调整。
|features| torchkeras.KerasModel | torchkeras.LightModel |
|----:|:-------------------------:|:-----------:|
|progress bar | ✅ |✅ |
|early stopping | ✅ |✅ |
|metrics from torchmetrics | ✅ |✅ |
|gpu training | ✅ |✅ |
|multi-gpus training | ❌ |✅ |
|tensorboard callback | ❌ |✅ |
|simple source code| ✅ |❌ |
详情参考项目链接：：https://github.com/lyhue1991/torchkeras
#### 2，2022-08🎈🎈更新 **pytorch与广告推荐**章节
适合对广告推荐领域感兴趣，且需要进阶的同学😋😋
|日期 | 学习内容 | 内容难度 | 预计学习时间 | 更新状态|
|----:|:--------------------------------------------------------------|-----------:|----------:|-----:|
| |[**七、Pytorch与广告推荐**](./七、Pytorch与广告推荐.ipynb)| ⭐️ | 0hour|✅ |
|day1| [7-1,推荐算法业务](./7-1,推荐算法业务.ipynb) | ⭐️⭐️⭐️ | 0.5hour |✅ |
|day2| [7-2,广告算法业务](./7-2,广告算法业务.ipynb) | ⭐️⭐️⭐️ | 0.5hour | ✅ |
|day3| [7-3,FM模型](./7-3,FM模型.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
|day4| [7-4,DeepFM模型](./7-4,DeepFM模型.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day5| [7-5,FiBiNET模型](./7-5,FiBiNET模型.ipynb) | ⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day6| [7-6,DeepCross模型](./7-6,DeepCross模型.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day7| [7-7,DIN网络](./7-7,DIN网络.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day8| [7-8,DIEN网络](./7-8,DIEN网络.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
#### 3，2022-09🎈🎈更新 彩蛋章节
介绍一些与pytorch相关的周边工具
|日期 | 学习内容 | 内容难度 | 预计学习时间 | 更新状态|
|----:|:--------------------------------------------------------------|-----------:|----------:|-----:|
| |[**彩蛋：Pytorch周边工具**](./彩蛋：Pytorch周边工具.ipynb)| ⭐️ | 0hour|✅ |
|day1| [A-1, Kaggle免费GPU使用攻略](./A-1,Kaggle免费GPU使用攻略.ipynb) | ⭐️⭐️⭐️ | 1hour |✅ |
|day2| [A-2, Streamlit构建机器学习应用](./A-2,Streamlit构建机器学习应用.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
```python
```
### 五，鼓励和联系作者 🎈🎈
**如果本书对你有所帮助，想鼓励一下作者，记得给本项目加一颗星星star⭐️，并分享给你的朋友们喔😊!**
如果对本书内容理解上有需要进一步和作者交流的地方，欢迎在公众号"算法美食屋"下留言。作者时间和精力有限，会酌情予以回复。
也可以在公众号后台回复关键字：**加群**，加入读者交流群和大家讨论。
```python
```