Curso online gratuito y colección de notebooks, centrados en el código, para aprender deep learning con PyTorch, desde los fundamentos hasta el despliegue de modelos.
TingsongYu/PyTorch_Tutorial
Código complementario del libro en chino 《PyTorch实用教程》, con flujos de trabajo para entrenar modelos con PyTorch y ejemplos ejecutables en Python.
- Estrellas
- 8,029
- Forks
- 1,738
- Issues abiertos
- 34
- Último commit
- hace 6 días
¿Qué es?
Este repositorio contiene el código de ejemplo que acompaña al libro en chino 《PyTorch实用教程》 (Practical PyTorch Tutorial). Está dirigido a quienes quieren aprender a entrenar modelos de deep learning con PyTorch, y el código sigue paso a paso los capítulos del libro.
Las instrucciones de configuración del repositorio indican cómo instalar las dependencias desde requirements.txt y, después, instalar PyTorch y torchvision por separado usando la versión para CPU. El código se probó en Windows 10 con Python 3.5 y PyTorch 0.4.0, y en macOS con Python 3.6 y PyTorch 0.4.1 o 1.0.0; por eso, los ejemplos están orientados a versiones antiguas de PyTorch.
La segunda edición del libro está publicada en línea e incluye casos de aplicación de deep learning en visión por computadora, NLP y LLMs, además de tutoriales sobre inferencia y despliegue con ONNX y TensorRT.
Funciones clave
- 01Código complementario de un libro en chino sobre entrenamiento de modelos con PyTorch
- 02Organizado por capítulos para aprender paso a paso
- 03Dependencias enumeradas en requirements.txt para facilitar la configuración
- 04Ejemplos probados en Windows 10 y macOS con versiones antiguas de PyTorch
Casos de uso
- Aprender a entrenar modelos con PyTorch como principiante de habla china
- Seguir los ejemplos del libro capítulo por capítulo
- Consultar código básico de entrenamiento con PyTorch
Inicio rápido
- 1
Instala las dependencias de Python desde requirements.txt
pip install -r requirements.txt - 2
Instala manualmente PyTorch y torchvision (versión para CPU) desde el sitio oficial
Antes de usarlo
- El README solo prueba versiones antiguas (Python 3.5/3.6, PyTorch 0.4 a 1.0), por lo que puede ser necesario hacer ajustes en entornos más recientes.
- El README no especifica ninguna licencia de código abierto, así que las condiciones de reutilización no están claras.
- El código complementario es para un libro en chino; la documentación y los comentarios están principalmente en chino.
Temas
Preguntas frecuentes
- ¿Qué es PyTorch_Tutorial?
- Código complementario del libro en chino 《PyTorch实用教程》, con flujos de trabajo para entrenar modelos con PyTorch y ejemplos ejecutables en Python. Este repositorio contiene el código de ejemplo que acompaña al libro en chino 《PyTorch实用教程》 (Practical PyTorch Tutorial). Está dirigido a quienes quieren aprender a entrenar modelos de deep learning con PyTorch, y el código sigue paso a paso los capítulos del libro.
- ¿PyTorch_Tutorial es gratuito? ¿Qué licencia tiene?
- PyTorch_Tutorial no declara ninguna licencia. Su código es público, pero sin licencia no tienes permiso explícito para reutilizarlo; consulta al autor antes de depender de él.
- ¿PyTorch_Tutorial sigue mantenido?
- Mantenimiento activo. El último commit de PyTorch_Tutorial fue el 1 nov 2026.
- ¿Para qué puedo usar PyTorch_Tutorial?
- Aprender a entrenar modelos con PyTorch como principiante de habla china Seguir los ejemplos del libro capítulo por capítulo Consultar código básico de entrenamiento con PyTorch
- ¿Cómo se instala PyTorch_Tutorial?
- Instala las dependencias de Python desde requirements.txt: pip install -r requirements.txt Instala manualmente PyTorch y torchvision (versión para CPU) desde el sitio oficial
- ¿Dónde consigo PyTorch_Tutorial?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/TingsongYu/PyTorch_Tutorial
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Una ruta visual de aprendizaje basada en una cronología que recorre las familias de arquitecturas de deep learning y LLM, desde las RNN de 1986 hasta los modelos de razonamiento de 2025.
Curso gratuito con licencia MIT y 542 lecciones para aprender conceptos de ingeniería de IA desde cero con Python, TypeScript, Rust y Julia.
Curso de machine learning de 100 días en chino, con código Python, apuntes y ejercicios; hasta ahora abarca del día 1 al 54.
Recurso educativo de OpenAI para aprender deep reinforcement learning, con introducciones, artículos clave, ejercicios e implementaciones breves de algoritmos.
Tutorial práctico para principiantes sobre cómo entrenar e implementar redes neuronales de clasificación de imágenes con Caffe y NVIDIA DIGITS, sin experiencia previa en IA.