# eat_pytorch_in_20_days **Repository Path**: wu-donglai/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**: 2021-04-19 - **Last Updated**: 2021-04-19 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # How to eat Pytorch in 20 days ?🔥🔥 **《10天吃掉那只pyspark》** * 🚀 github项目地址: https://github.com/lyhue1991/eat_pyspark_in_10_days * 🐳 和鲸专栏地址: https://www.kesci.com/home/column/5fe6aa955e24ed00302304e0 【代码可直接fork后云端运行，无需配置环境】 **《20天吃掉那只Pytorch》** * 🚀 github项目地址: https://github.com/lyhue1991/eat_pytorch_in_20_days * 🐳 和鲸专栏地址: https://www.kesci.com/home/column/5f2ac5d8af3980002cb1bc08 【代码可直接fork后云端运行，无需配置环境】 **《30天吃掉那只TensorFlow2》** * 🚀 github项目地址: https://github.com/lyhue1991/eat_tensorflow2_in_30_days * 🐳 和鲸专栏地址: https://www.kesci.com/home/column/5d8ef3c3037db3002d3aa3a0 【代码可直接fork后云端运行，无需配置环境】 ### 一， Pytorch🔥 or TensorFlow2 🍎 先说结论: **如果是工程师，应该优先选TensorFlow2.** **如果是学生或者研究人员，应该优先选择Pytorch.** **如果时间足够，最好TensorFlow2和Pytorch都要学习掌握。** 理由如下： * 1，**在工业界最重要的是模型落地，目前国内的大部分互联网企业只支持TensorFlow模型的在线部署，不支持Pytorch。** 并且工业界更加注重的是模型的高可用性，许多时候使用的都是成熟的模型架构，调试需求并不大。 * 2，**研究人员最重要的是快速迭代发表文章，需要尝试一些较新的模型架构。而Pytorch在易用性上相比TensorFlow2有一些优势，更加方便调试。** 并且在2019年以来在学术界占领了大半壁江山，能够找到的相应最新研究成果更多。 * 3，TensorFlow2和Pytorch实际上整体风格已经非常相似了，学会了其中一个，学习另外一个将比较容易。两种框架都掌握的话，能够参考的开源模型案例更多，并且可以方便地在两种框架之间切换。 本书的TensorFlow镜像教程： #### 🍊《30天吃掉那只TensorFlow2》：https://github.com/lyhue1991/eat_tensorflow2_in_30_days ```python ``` ### 二，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 ```python ``` ### 三，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。 ![](./data/Pytorch官方vs吃掉Pytorch.png) ```python ``` ### 四，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.md) |⭐️ | 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.md) | ⭐️⭐️⭐️ | 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.md) | ⭐️⭐️⭐️⭐️ | 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.md) | ⭐️⭐️⭐️⭐️⭐️ | 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.md) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ | |  |[**二、Pytorch的核心概念**](./二、Pytorch的核心概念.md) | ⭐️ | 0hour |✅ | |day5 | [2-1,张量数据结构](./2-1,张量数据结构.md) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ | |day6 | [2-2,自动微分机制](./2-2,自动微分机制.md) | ⭐️⭐️⭐️ | 1hour | ✅ | |day7 | [2-3,动态计算图](./2-3,动态计算图.md) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ | |  |[**三、Pytorch的层次结构**](./三、Pytorch的层次结构.md) | ⭐️ | 0hour | ✅ | |day8 | [3-1,低阶API示范](./3-1,低阶API示范.md) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ | |day9 | [3-2,中阶API示范](./3-2,中阶API示范.md) | ⭐️⭐️⭐️ | 1hour |✅ | |day10 | [3-3,高阶API示范](./3-3,高阶API示范.md) | ⭐️⭐️⭐️ | 1hour |✅ | |  |[**四、Pytorch的低阶API**](./四、Pytorch的低阶API.md) |⭐️ | 0hour| ✅ | |day11| [4-1,张量的结构操作](./4-1,张量的结构操作.md) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ | |day12| [4-2,张量的数学运算](./4-2,张量的数学运算.md) | ⭐️⭐️⭐️⭐️ | 1hour |✅ | |day13| [4-3,nn.functional和nn.Module](./4-3,nn.functional和nn.Module.md) | ⭐️⭐️⭐️⭐️ | 1hour |✅ | |  |[**五、Pytorch的中阶API**](./五、Pytorch的中阶API.md) | ⭐️ | 0hour|✅ | |day14| [5-1,Dataset和DataLoader](./5-1,Dataset和DataLoader.md) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ | |day15| [5-2,模型层](./5-3,模型层.md) | ⭐️⭐️⭐️ | 1hour |✅ | |day16| [5-3,损失函数](./5-4,损失函数.md) | ⭐️⭐️⭐️ | 1hour |✅ | |day17| [5-4,TensorBoard可视化](./5-4,TensorBoard可视化.md) | ⭐️⭐️⭐️ | 1hour | ✅ | |  |[**六、Pytorch的高阶API**](./六、Pytorch的高阶API.md)| ⭐️ | 0hour|✅ | |day18| [6-1,构建模型的3种方法](./6-1,构建模型的3种方法.md) | ⭐️⭐️⭐️⭐️ | 1hour |✅ | |day19| [6-2,训练模型的3种方法](./6-2,训练模型的3种方法.md) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ | |day20| [6-3,使用GPU训练模型](./6-3,使用GPU训练模型.md) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ | ```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。 ```python #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 #建议在jupyter notebook 上安装jupytext，以便能够将本书各章节markdown文件视作ipynb文件运行 #!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U jupytext #建议在jupyter notebook 上安装最新版本pytorch 测试本书中的代码 #!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U torch torchvision torchtext torchkeras ``` ```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: 1.5.0 [[2,1]]@[[-1],[2]] = 0 ``` ```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。 ![算法美食屋logo.png](./data/算法美食屋二维码.jpg) ```python ```