Бесплатный онлайн-курс с упором на практический код и коллекцией ноутбуков: глубокое обучение на PyTorch от основ до развёртывания моделей.
TingsongYu/PyTorch_Tutorial
Примеры кода к китайской книге 《PyTorch实用教程》 о рабочих процессах обучения моделей в PyTorch.
- Звёзды
- 8,029
- Форки
- 1,738
- Открытые issues
- 34
- Последний коммит
- 6 дней назад
Что это?
В этом репозитории собраны примеры кода к книге на китайском языке 《PyTorch实用教程》 (Практическое руководство по PyTorch). Она предназначена для тех, кто хочет научиться обучать модели глубокого обучения с помощью PyTorch; код последовательно следует главам книги.
В инструкции по настройке описана установка зависимостей из requirements.txt, а затем отдельная установка PyTorch и torchvision в CPU-варианте. Код проверяли на Windows 10 с Python 3.5 и PyTorch 0.4.0, а также на macOS с Python 3.6 и PyTorch 0.4.1 или 1.0.0, поэтому примеры рассчитаны на более старые версии PyTorch.
Второе издание книги опубликовано онлайн. В нём добавлены примеры применения глубокого обучения в компьютерном зрении, NLP и LLM, а также руководства по развёртыванию инференса с ONNX и TensorRT.
Ключевые возможности
- 01Примеры кода к китайской книге-руководству по обучению моделей в PyTorch
- 02Материалы организованы по главам книги для последовательного изучения
- 03Зависимости перечислены в requirements.txt для удобной настройки
- 04Примеры проверены на Windows 10 и macOS со старыми версиями PyTorch
Сценарии использования
- Изучение обучения моделей в PyTorch для начинающих, говорящих по-китайски
- Пошаговое выполнение примеров из книги, глава за главой
- Поиск справочных примеров базового кода для обучения в PyTorch
Быстрый старт
- 1
Установите зависимости Python из requirements.txt
pip install -r requirements.txt - 2
Вручную установите PyTorch и torchvision (сборку для CPU) с официального сайта
Что важно знать
- В README протестированы только старые версии (Python 3.5/3.6, PyTorch 0.4–1.0), поэтому для более новых сред могут потребоваться изменения.
- В README не указана лицензия с открытым исходным кодом, поэтому условия повторного использования неясны.
- Сопутствующий код предназначен для книги на китайском языке; документация и комментарии написаны преимущественно на китайском.
Темы
Частые вопросы
- Что такое PyTorch_Tutorial?
- Примеры кода к китайской книге 《PyTorch实用教程》 о рабочих процессах обучения моделей в PyTorch. В этом репозитории собраны примеры кода к книге на китайском языке 《PyTorch实用教程》 (Практическое руководство по PyTorch). Она предназначена для тех, кто хочет научиться обучать модели глубокого обучения с помощью PyTorch; код последовательно следует главам книги.
- PyTorch_Tutorial можно использовать бесплатно? Какая у него лицензия?
- У PyTorch_Tutorial не указана лицензия. Код открыт, но без лицензии нет явного разрешения на его использование — уточните у автора, прежде чем на него полагаться.
- PyTorch_Tutorial всё ещё поддерживается?
- Активно поддерживается. Последний коммит в PyTorch_Tutorial — 1 нояб. 2026 г..
- Для чего можно использовать PyTorch_Tutorial?
- Изучение обучения моделей в PyTorch для начинающих, говорящих по-китайски Пошаговое выполнение примеров из книги, глава за главой Поиск справочных примеров базового кода для обучения в PyTorch
- Как установить PyTorch_Tutorial?
- Установите зависимости Python из requirements.txt: pip install -r requirements.txt Вручную установите PyTorch и torchvision (сборку для CPU) с официального сайта
- Где скачать PyTorch_Tutorial?
- Исходный код и инструкции по установке — на GitHub: https://github.com/TingsongYu/PyTorch_Tutorial
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Наглядная учебная дорожная карта в формате таймлайна: от RNN 1986 года до рассуждающих моделей 2025 года.
Бесплатный курс под лицензией MIT из 542 уроков, который с нуля знакомит с AI engineering на Python, TypeScript, Rust и Julia.
Курс машинного обучения на китайском языке на 100 дней: код на Python, заметки и упражнения; пока охвачены дни с 1 по 54.
Образовательный ресурс OpenAI для изучения глубокого обучения с подкреплением: вводные материалы, ключевые статьи, упражнения и краткие реализации алгоритмов.
Практическое руководство для начинающих по обучению и развертыванию нейросетей для классификации изображений с Caffe и NVIDIA DIGITS — без опыта в ИИ.