Curso online gratuito e prático, com foco em código, e coleção de notebooks para aprender deep learning com PyTorch, dos fundamentos à implantação de modelos.
TingsongYu/PyTorch_Tutorial
Código complementar do livro chinês 《PyTorch实用教程》, com fluxos de treinamento de modelos em PyTorch e exemplos executáveis em Python.
- Estrelas
- 8,029
- Forks
- 1,738
- Issues abertas
- 34
- Último commit
- há 6 dias
O que é?
Este repositório reúne os exemplos de código que acompanham o livro em chinês 《PyTorch实用教程》 (Tutorial prático de PyTorch). Ele é voltado a quem quer aprender a treinar modelos de deep learning com PyTorch, e o código acompanha os capítulos do livro passo a passo.
As instruções de configuração do repositório explicam como instalar as dependências listadas em requirements.txt e, em seguida, instalar PyTorch e torchvision separadamente, usando a versão para CPU. O código foi testado no Windows 10 com Python 3.5 e PyTorch 0.4.0, e no macOS com Python 3.6 e PyTorch 0.4.1 ou 1.0.0; portanto, os exemplos são voltados a versões mais antigas do PyTorch.
Uma segunda edição do livro está publicada online e acrescenta casos de aplicação de deep learning em visão computacional, NLP e LLMs, além de tutoriais de implantação de inferência com ONNX e TensorRT.
Recursos principais
- 01Código complementar de um livro chinês sobre treinamento de modelos com PyTorch
- 02Organizado por capítulos para facilitar o aprendizado passo a passo
- 03Dependências listadas em requirements.txt para facilitar a configuração
- 04Exemplos testados no Windows 10 e no macOS com versões mais antigas do PyTorch
Casos de uso
- Aprender a treinar modelos com PyTorch como iniciante falante de chinês
- Acompanhar os exemplos do livro capítulo por capítulo
- Consultar exemplos básicos de código de treinamento com PyTorch
Início rápido
- 1
Instale as dependências do Python usando o requirements.txt
pip install -r requirements.txt - 2
Instale manualmente o PyTorch e o torchvision (versão para CPU) pelo site oficial
Antes de usar
- O README testa apenas versões antigas (Python 3.5/3.6, PyTorch 0.4 a 1.0), então ambientes mais recentes podem exigir ajustes.
- O README não informa uma licença de código aberto, portanto as condições de reutilização não estão claras.
- O código complementar é destinado a um livro em chinês, e a documentação e os comentários estão principalmente em chinês.
Tópicos
Perguntas frequentes
- O que é PyTorch_Tutorial?
- Código complementar do livro chinês 《PyTorch实用教程》, com fluxos de treinamento de modelos em PyTorch e exemplos executáveis em Python. Este repositório reúne os exemplos de código que acompanham o livro em chinês 《PyTorch实用教程》 (Tutorial prático de PyTorch). Ele é voltado a quem quer aprender a treinar modelos de deep learning com PyTorch, e o código acompanha os capítulos do livro passo a passo.
- PyTorch_Tutorial é gratuito? Qual é a licença?
- PyTorch_Tutorial não declara licença. O código é público, mas sem licença você não tem permissão explícita para reutilizá-lo; fale com o autor antes de depender dele.
- PyTorch_Tutorial ainda é mantido?
- Manutenção ativa. O último commit de PyTorch_Tutorial foi em 1 de nov. de 2026.
- Para que posso usar PyTorch_Tutorial?
- Aprender a treinar modelos com PyTorch como iniciante falante de chinês Acompanhar os exemplos do livro capítulo por capítulo Consultar exemplos básicos de código de treinamento com PyTorch
- Como instalar PyTorch_Tutorial?
- Instale as dependências do Python usando o requirements.txt: pip install -r requirements.txt Instale manualmente o PyTorch e o torchvision (versão para CPU) pelo site oficial
- Onde consigo PyTorch_Tutorial?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/TingsongYu/PyTorch_Tutorial
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um roteiro visual de aprendizado baseado em linha do tempo que acompanha as famílias de arquiteturas de deep learning e LLM, da RNN de 1986 aos modelos de raciocínio de 2025.
Curso gratuito com licença MIT e 542 lições que ensina conceitos de engenharia de IA do zero em Python, TypeScript, Rust e Julia.
Curso de 100 dias sobre machine learning em chinês, com código Python, anotações e exercícios; até agora, cobre do Dia 1 ao 54.
Recurso educacional da OpenAI para aprender deep reinforcement learning, com introduções, artigos importantes, exercícios e implementações curtas de algoritmos.
Tutorial prático para iniciantes sobre como treinar e implantar redes neurais de classificação de imagens com Caffe e NVIDIA DIGITS, sem precisar de experiência prévia em IA.