2个月GitHub斩获600星，趋势榜日榜排名24，新晋网红Pytorch教程登陆和鲸
说起今天这个项目的作者，大家可能有点眼熟，因为之前爆火的项目就是他写的。
作者简介
梁云
华中科技大学 · 应用物理学
北京师范大学 · 理论物理
和鲸社区 ID: 沉静中的流年
（一员）
GitHub ID: lyhue1991
自从上次一炮而红之后，他又加班加点写了《20天吃掉那只Pytorch》，项目完成2个月，已经在GitHub斩获了 600+ Star，还有幸登上过GitHub全站趋势榜24名
两个项目的目录对比，还是相同的配方，还是熟悉的味道~
废话不多，先上项目链接
让我们来康康作者自己是怎么介绍这本书的
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📖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。
（方小鲸广告：没有基础，也可以直接在和鲸社区学习，比如）
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。
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。
| 日期 | 学习内容 | 内容难度 | 预计学习时间 |
|---|---|---|---|
| 一、Pytorch的建模流程 | ⭐️ | 0hour | |
| day1 | 1-1,结构化数据建模流程范例 | ⭐️⭐️⭐️ | 1hour |
| day2 | 1-2,图片数据建模流程范例 | ⭐️⭐️⭐️⭐️ | 2hour |
| day3 | 1-3,文本数据建模流程范例 | ⭐️⭐️⭐️⭐️⭐️ | 2hour |
| day4 | 1-4,时间序列数据建模流程范例 | ⭐️⭐️⭐️⭐️⭐️ | 2hour |
| 二、Pytorch的核心概念 | ⭐️ | 0hour | |
| day5 | 2-1,张量数据结构 | ⭐️⭐️⭐️⭐️ | 1hour |
| day6 | 2-2,自动微分机制 | ⭐️⭐️⭐️ | 1hour |
| day7 | 2-3,动态计算图 | ⭐️⭐️⭐️⭐️⭐️ | 2hour |
| 三、Pytorch的层次结构 | ⭐️ | 0hour | |
| day8 | 3-1,低阶API示范 | ⭐️⭐️⭐️⭐️ | 1hour |
| day9 | 3-2,中阶API示范 | ⭐️⭐️⭐️ | 1hour |
| day10 | 3-3,高阶API示范 | ⭐️⭐️⭐️ | 1hour |
| 四、Pytorch的低阶API | ⭐️ | 0hour | |
| day11 | 4-1,张量的结构操作 | ⭐️⭐️⭐️⭐️⭐️ | 2hour |
| day12 | 4-2,张量的数学运算 | ⭐️⭐️⭐️⭐️ | 1hour |
| day13 | 4-3,nn.functional和nn.Module | ⭐️⭐️⭐️⭐️ | 1hour |
| 五、Pytorch的中阶API | ⭐️ | 0hour | |
| day14 | 5-1,Dataset和DataLoader | ⭐️⭐️⭐️⭐️⭐️ | 2hour |
| day15 | 5-2,模型层 | ⭐️⭐️⭐️ | 1hour |
| day16 | 5-3,损失函数 | ⭐️⭐️⭐️ | 1hour |
| day17 | 5-4,TensorBoard可视化 | ⭐️⭐️⭐️ | 1hour |
| 六、Pytorch的高阶API | ⭐️ | 0hour | |
| day18 | 6-1,构建模型的3种方法 | ⭐️⭐️⭐️⭐️ | 1hour |
| day19 | 6-2,训练模型的3种方法 | ⭐️⭐️⭐️⭐️ | 1hour |
| day20 | 6-3,使用GPU训练模型 | ⭐️⭐️⭐️⭐️ | 1hour |
2. 学习环境
所有项目（除用到GPU外），均在和鲸K-Lab上运行通过。读者只需要点击 Fork 按钮，即可在网页端运行项目，无需搭建本地环境。
文末复读机
如果你对这个项目感兴趣的话
欢迎扫码查看
数据集 / / / / / / /
教程 / / / / / / / / / / / / / / /
项目 / / / / / / / /
比赛 / / / /