How to eat Pytorch in 20 days ?🔥 🔥
一，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。
对于没有任何机器学习和深度学习基础的同学，建议在学习本书时同步参考阅读《Python深度学习》一书的第一部分"深度学习基础"内容。
《Python深度学习》这本书是Keras之父Francois Chollet所著，该书假定读者无任何机器学习知识，以Keras为工具，
使用丰富的范例示范深度学习的最佳实践，该书通俗易懂，全书没有一个数学公式，注重培养读者的深度学习直觉。。
《Python深度学习》一书的第一部分的4个章节内容如下，预计读者可以在20小时之内学完。
-
1，什么是深度学习
-
2，神经网络的数学基础
-
3，神经网络入门
-
4，机器学习基础
https://www.bilibili.com/video/BV1Ua411P7oe
二，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.
仅以下图对比Pytorch官方文档与本书《20天吃掉那只Pytorch》的差异。
三，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。
点击学习内容蓝色标题即可进入该章节。
| 日期 | 学习内容 | 内容难度 | 预计学习时间 | 更新状态 | B站讲解 |
|---|---|---|---|---|---|
| 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 | 1hour | |||
| day15 | 5-2,模型层 | 2hour | |||
| 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 | 0.5hour | |||
| day19 | 6-2,训练模型的3种方法 | 1hour | |||
| day20 | 6-3,使用GPU训练模型 | 1hour | |||
| * | 后记：我的产品观 | 0hour |
2，学习环境
本书全部源码在jupyter中编写测试通过，建议通过git克隆到本地，并在jupyter中交互式运行学习。
step1: 克隆本书源码到本地,使用码云镜像仓库国内下载速度更快
git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days
step2: 公众号 算法美食屋 回复关键词：pytorch， 获取本项目所用数据集汇总压缩包 eat_pytorch_datasets.zip百度云盘下载链接，下载解压并移动到eat_pytorch_in_20_days路径下，约160M。
救命方案：如果环境配置遇到了困难，也可以在和鲸社区fork项目后直接运行。
和鲸《20天吃掉pytorch》专栏地址：https://www.heywhale.com/home/column/5f2ac5d8af3980002cb1bc08
import torch
from torch import nn
print("torch version:", torch.__version__)
a = torch.tensor([[2,1]])
b = torch.tensor([[-1,2]])
c = a@b.t()
print("[[2,1]]@[[-1],[2]] =", c.item())torch version: 1.10.0
[[2,1]]@[[-1],[2]] = 0
四，项目更新记录
1， 2022-06🎈 🎈 更新pytorch模型训练工具库torchkeras
相关章节代码进行了对应优化调整。
| features | torchkeras.KerasModel | torchkeras.LightModel |
|---|---|---|
| progress bar | ||
| early stopping | ||
| metrics from torchmetrics | ||
| gpu training | ||
| multi-gpus training | ||
| tensorboard callback | ||
| simple source code |
详情参考项目链接：：https://github.com/lyhue1991/torchkeras
2，2022-08🎈 🎈 更新 pytorch与广告推荐章节
适合对广告推荐领域感兴趣，且需要进阶的同学
| 日期 | 学习内容 | 内容难度 | 预计学习时间 | 更新状态 |
|---|---|---|---|---|
| 七、Pytorch与广告推荐 | 0hour | |||
| day1 | 7-1,推荐算法业务 | 0.5hour | ||
| day2 | 7-2,广告算法业务 | 0.5hour | ||
| day3 | 7-3,FM模型 | 1hour | ||
| day4 | 7-4,DeepFM模型 | 1hour | ||
| day5 | 7-5,FiBiNET模型 | 2hour | ||
| day6 | 7-6,DeepCross模型 | 2hour | ||
| day7 | 7-7,DIN网络 | 2hour | ||
| day8 | 7-8,DIEN网络 | 2hour |
3，2023-03🎈 🎈 更新 彩蛋章节
介绍一些与pytorch相关的周边工具
| 日期 | 学习内容 | 内容难度 | 预计学习时间 | 更新状态 |
|---|---|---|---|---|
| 彩蛋：Pytorch周边工具 | 0hour | |||
| day1 | A-1, Kaggle免费GPU使用攻略 | 1hour | ||
| day2 | A-2, Streamlit构建机器学习应用 | 1hour | ||
| day3 | A-3, 使用Mac M1芯片加速pytorch | 1hour | ||
| day4 | A-4, optuna可视化调参魔法指南 | 1hour | ||
| day5 | A-5, gradio让你的机器学习模型性感起来 | 1hour | ||
| day6 | A-6, wandb模型可视化分析 | 0.5hour | ||
| day7 | A-7, wandb模型可视化自动调参 | 1hour |
五，鼓励和联系作者 🎈 🎈
如果本书对你有所帮助，想鼓励一下作者，记得给本项目加一颗星星star
如果对本书内容理解上有需要进一步和作者交流的地方，欢迎在公众号"算法美食屋"下留言。作者时间和精力有限，会酌情予以回复。
也可以在公众号后台回复关键字：加群，加入读者交流群和大家讨论。
