关于人工智能:ApacheCN-深度学习译文集-20210125-更新

新增了七个教程：

• PyTorch 中文官网教程 1.7

  • 学习 PyTorch

    • PyTorch 深度学习：60 分钟的突击

      • 张量
      • torch.autograd的简要介绍
      • 神经网络
      • 训练分类器

    • 通过示例学习 PyTorch

      • 热身：NumPy
      • PyTorch：张量
      • PyTorch：张量和 Autograd
      • PyTorch：定义新的 Autograd 函数
      • PyTorch：nn
      • PyTorch：optim
      • PyTorch：自定义 nn 模块
      • PyTorch：控制流 + 权重共享
    • torch.nn到底是什么？
    • 应用 TensorBoard 可视化模型，数据和训练

  • 图片 / 视频

    • torchvision对象检测微调教程
    • 计算机视觉的迁徙学习教程
    • 反抗示例生成
    • DCGAN 教程

  • 音频

    • 音频 I/O 和 torchaudio 的预处理
    • 应用 torchaudio 的语音命令辨认

  • 文本

    • 应用 nn.Transformer 和torchtext的序列到序列建模
    • 从零开始的 NLP：应用字符级 RNN 分类名称
    • 从零开始的 NLP：应用字符级 RNN 生成名称
    • 从零开始的 NLP：应用序列到序列网络和注意力的翻译
    • 应用 torchtext 的文本分类
    • torchtext语言翻译

  • 强化学习

    • 强化学习（DQN）教程
    • 训练玩马里奥的 RL 智能体

  • 在生产中部署 PyTorch 模型

    • 通过应用 Flask 的 REST API 在 Python 中部署 PyTorch
    • TorchScript 简介
    • 在 C++ 中加载 TorchScript 模型
    • 将模型从 PyTorch 导出到 ONNX 并应用 ONNX 运行时运行它（可选）

  • 前端 API

    • PyTorch 中的命名张量简介（原型）
    • PyTorch 中通道在最初的内存格局（beta）
    • 应用 PyTorch C++ 前端
    • 自定义 C++ 和 CUDA 扩大
    • 应用自定义 C++ 运算符扩大 TorchScript
    • 应用自定义 C++ 类扩大 TorchScript
    • TorchScript 中的动静并行性
    • C++ 前端中的 Autograd
    • 在 C++ 中注册调度运算符

  • 模型优化

    • 剖析您的 PyTorch 模块
    • 应用 Ray Tune 的超参数调整
    • 模型剪裁教程
    • LSTM 单词语言模型上的动静量化（beta）
    • BERT 上的动静量化（Beta）
    • PyTorch 中应用 Eager 模式的动态量化（beta）
    • 计算机视觉的量化迁徙学习教程（beta）

  • 并行和分布式训练

    • PyTorch 分布式概述
    • 单机模型并行最佳实际
    • 分布式数据并行入门
    • 用 PyTorch 编写分布式应用
    • 分布式 RPC 框架入门
    • 应用分布式 RPC 框架实现参数服务器
    • 应用 RPC 的分布式管道并行化
    • 应用异步执行实现批量 RPC 解决
    • 将分布式 DataParallel 与分布式 RPC 框架相结合

• PyTorch 人工智能研讨会

  • 零、前言
  • 一、深度学习和 PyTorch 简介
  • 二、神经网络的构建块
  • 三、应用 DNN 的分类问题
  • 四、卷积神经网络
  • 五、款式迁徙
  • 六、应用 RNN 剖析数据序列
  • 七、附录

• Python 一次学习实用指南

  • 零、前言

  • 第一局部：一次学习简介

    • 一、一次学习简介

  • 第二局部：深度学习架构

    • 二、基于指标的办法
    • 三、基于模型的办法
    • 四、基于优化的办法

  • 第三局部：其余办法和论断

    • 五、基于生成建模的办法
    • 六、总结和其余办法

• Python 自然语言解决实用指南

  • 零、前言

  • 第一局部：用于 NLP 的 PyTorch 1.x 的要点

    • 一、机器学习和深度学习的根底
    • 二、用于 NLP 的 PyTorch 1.x 入门

  • 第二局部：自然语言解决根底

    • 三、NLP 和文本嵌入
    • 四、文本预处理，词干提取和词形还原

  • 第三局部：应用 PyTorch 1.x 的理论 NLP 利用

    • 五、循环神经网络和情感剖析
    • 六、用于文本分类的卷积神经网络
    • 七、应用序列到序列神经网络的文本翻译
    • 八、应用基于注意力的神经网络构建聊天机器人
    • 九、后方的路

• PyTorch 人工智能基础知识

  • 零、前言
  • 一、应用 PyTorch 应用张量
  • 二、与神经网络合作
  • 三、用于计算机视觉的卷积神经网络
  • 四、用于 NLP 的循环神经网络
  • 五、迁徙学习和 TensorBoard
  • 六、摸索生成反抗网络
  • 七、深度强化学习
  • 八、在 PyTorch 中生产 AI 模型

• PyTorch 深度学习实用指南

  • 零、前言
  • 一、深度学习演练和 PyTorch 简介
  • 二、简略的神经网络
  • 三、深度学习工作流程
  • 四、计算机视觉
  • 五、序列数据处理
  • 六、生成网络
  • 七、强化学习
  • 八、生产中的 PyTorch

• TensorFlow 强化学习

  • 零、前言
  • 一、深度学习–架构和框架
  • 二、应用 OpenAI Gym 训练强化学习智能体
  • 三、马尔可夫决策过程
  • 四、策略梯度
  • 五、Q 学习和深度 Q 网络
  • 六、异步办法
  • 七、一切都是机器人 - 真正的策略游戏
  • 八、AlphaGo –最好的强化学习
  • 九、主动驾驶中的强化学习
  • 十、金融投资组合治理
  • 十一、机器人技术中的强化学习
  • 十二、广告技术中的深度强化学习
  • 十三、图像处理中的强化学习
  • 十四、NLP 中的深度强化学习
  • 十五、强化学习的其余主题

下载

Docker

docker pull apachecn0/apachecn-dl-zh
docker run -tid -p <port>:80 apachecn0/apachecn-dl-zh
# 拜访 http://localhost:{port} 

PYPI

pip install apachecn-dl-zh
apachecn-dl-zh <port>
# 拜访 http://localhost:{port} 

NPM

npm install -g apachecn-dl-zh
apachecn-dl-zh <port>
# 拜访 http://localhost:{port} 

奉献指南

本我的项目须要校对，欢送大家提交 Pull Request。

请您怯懦地去翻译和改良翻译。尽管咱们谋求卓越，但咱们并不要求您做到美中不足，因而请不要放心因为翻译上犯错——在大部分状况下，咱们的服务器曾经记录所有的翻译，因而您不用放心会因为您的失误受到无法挽回的毁坏。（改编自维基百科）