Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/lyhue1991/eat_pytorch_in_20_days
Pytorch🍊🍉 is delicious, just eat it! 😋😋
https://github.com/lyhue1991/eat_pytorch_in_20_days
deep-learning pytorch
Last synced: 2 days ago
JSON representation
Pytorch🍊🍉 is delicious, just eat it! 😋😋
- Host: GitHub
- URL: https://github.com/lyhue1991/eat_pytorch_in_20_days
- Owner: lyhue1991
- License: apache-2.0
- Created: 2020-06-27T09:48:13.000Z (over 4 years ago)
- Default Branch: master
- Last Pushed: 2024-11-29T02:56:19.000Z (13 days ago)
- Last Synced: 2024-12-03T08:02:04.953Z (9 days ago)
- Topics: deep-learning, pytorch
- Language: Jupyter Notebook
- Homepage:
- Size: 78 MB
- Stars: 5,374
- Watchers: 62
- Forks: 1,159
- Open Issues: 2
-
Metadata Files:
- Readme: README.md
- Funding: .github/FUNDING.yml
- License: LICENSE
Awesome Lists containing this project
- awesome-hacking-lists - lyhue1991/eat_pytorch_in_20_days - Pytorch🍊🍉 is delicious, just eat it! 😋😋 (Jupyter Notebook)
README
# 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。**
🔥🔥**号外号外,《20天吃掉那只Pytorch》视频版本登录BiliBili啦,吃货本货倾情掌勺,只为最纯正的乡土味道,欢迎新老朋友前来品尝** 🍉🍉!
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。
![](https://tva1.sinaimg.cn/large/e6c9d24egy1h536b2yro2j20k00b9myd.jpg)
```python
```
## 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|
|----:|:--------------------------------------------------------------|-----------:|----------:|-----:|
| |[**一、Pytorch的建模流程**](./一、Pytorch的建模流程.ipynb) |⭐️ | 0hour |✅ |
|day1 | [1-1,结构化数据建模流程范例](./1-1,结构化数据建模流程范例.ipynb) | ⭐️⭐️⭐️ | 1hour |✅ |
|day2 | [1-2,图片数据建模流程范例](./1-2,图片数据建模流程范例.ipynb) | ⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day3 | [1-3,文本数据建模流程范例](./1-3,文本数据建模流程范例.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day4 | [1-4,时间序列数据建模流程范例](./1-4,时间序列数据建模流程范例.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
| |[**二、Pytorch的核心概念**](./二、Pytorch的核心概念.ipynb) | ⭐️ | 0hour |✅ |
|day5 | [2-1,张量数据结构](./2-1,张量数据结构.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day6 | [2-2,自动微分机制](./2-2,自动微分机制.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
|day7 | [2-3,动态计算图](./2-3,动态计算图.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
| |[**三、Pytorch的层次结构**](./三、Pytorch的层次结构.ipynb) | ⭐️ | 0hour | ✅ |
|day8 | [3-1,低阶API示范](./3-1,低阶API示范.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day9 | [3-2,中阶API示范](./3-2,中阶API示范.ipynb) | ⭐️⭐️⭐️ | 1hour |✅ |
|day10 | [3-3,高阶API示范](./3-3,高阶API示范.ipynb) | ⭐️⭐️⭐️ | 1hour |✅ |
| |[**四、Pytorch的低阶API**](./四、Pytorch的低阶API.ipynb) |⭐️ | 0hour| ✅ |
|day11| [4-1,张量的结构操作](./4-1,张量的结构操作.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day12| [4-2,张量的数学运算](./4-2,张量的数学运算.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour |✅ |
|day13| [4-3,nn.functional和nn.Module](./4-3,nn.functional和nn.Module.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour |✅ |
| |[**五、Pytorch的中阶API**](./五、Pytorch的中阶API.ipynb) | ⭐️ | 0hour|✅ |
|day14| [5-1,Dataset和DataLoader](./5-1,Dataset和DataLoader.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day15| [5-2,模型层](./5-2,模型层.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour |✅ |
|day16| [5-3,损失函数](./5-3,损失函数.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour |✅ |
|day17| [5-4,TensorBoard可视化](./5-4,TensorBoard可视化.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
| |[**六、Pytorch的高阶API**](./六、Pytorch的高阶API.ipynb)| ⭐️ | 0hour|✅ |
|day18| [6-1,构建模型的3种方法](./6-1,构建模型的3种方法.ipynb) | ⭐️⭐️ | 0.5hour |✅ |
|day19| [6-2,训练模型的3种方法](./6-2,训练模型的3种方法.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
|day20| [6-3,使用GPU训练模型](./6-3,使用GPU训练模型.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
| * | [后记:我的产品观](https://mp.weixin.qq.com/s/WXUJ0D2iAIWASlkpv60FLA) | ⭐️ | 0hour | ✅ |```python
```
**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。
```python
import torch
from torch import nnprint("torch version:", torch.__version__)
a = torch.tensor([[2,1]])
b = torch.tensor([[-1,2]])
c = [email protected]()
print("[[2,1]]@[[-1],[2]] =", c.item())```
```
torch version: 2.0.1
[[2,1]]@[[-1],[2]] = 0
```## 四,项目更新记录
### 1,2022-08🎈🎈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**](./七、Pytorch与广告推荐.ipynb)| ⭐️ | 0hour|✅ |
|day1| [7-1,推荐算法业务](./7-1,推荐算法业务.ipynb) | ⭐️⭐️⭐️ | 0.5hour |✅ |
|day2| [7-2,广告算法业务](./7-2,广告算法业务.ipynb) | ⭐️⭐️⭐️ | 0.5hour | ✅ |
|day3| [7-3,FM模型](./7-3,FM模型.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
|day4| [7-4,DeepFM模型](./7-4,DeepFM模型.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day5| [7-5,FiBiNET模型](./7-5,FiBiNET模型.ipynb) | ⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day6| [7-6,DeepCross模型](./7-6,DeepCross模型.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day7| [7-7,DIN网络](./7-7,DIN网络.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
|day8| [7-8,DIEN网络](./7-8,DIEN网络.ipynb) | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |### 2,2023-03🎈🎈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**](./彩蛋:Pytorch周边工具.ipynb)| ⭐️ | 0hour|✅ |
|day1| [A-1, Kaggle免费GPU使用攻略](./A-1,Kaggle免费GPU使用攻略.ipynb) | ⭐️⭐️⭐️ | 1hour |✅ |
|day2| [A-2, Streamlit构建机器学习应用](./A-2,Streamlit构建机器学习应用.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
|day3| [A-3, 使用Mac M1芯片加速pytorch](./A-3,使用MacM1芯片加速pytorch.ipynb) | ⭐️⭐️⭐️ | 1hour | ✅ |
|day4| [A-4, optuna可视化调参魔法指南](./A-4,optuna可视化调参魔法指南.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day5| [A-5, gradio让你的机器学习模型性感起来](./A-5,Gradio让你的机器学习模型性感起来.ipynb) | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
|day6| [A-6, wandb模型可视化分析](./A-6,30分钟吃掉wandb可视化模型分析.ipynb) | ⭐️⭐️⭐️⭐ | 0.5hour | ✅ |
|day7| [A-7, wandb模型可视化自动调参](./A-7,30分钟吃掉wandb可视化自动调参.ipynb) | ⭐️⭐️⭐️⭐ | 1hour | ✅ |### 3, 2023-07🎈🎈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。
|功能| 稳定支持起始版本 | 依赖或借鉴库 |
|:----|:-------------------:|:--------------|
|✅ 训练进度条 | 3.0.0 | 依赖tqdm,借鉴keras|
|✅ 训练评估指标 | 3.0.0 | 借鉴pytorch_lightning |
|✅ notebook中训练自带可视化 | 3.8.0 |借鉴fastai |
|✅ early stopping | 3.0.0 | 借鉴keras |
|✅ gpu training | 3.0.0 |依赖accelerate|
|✅ multi-gpus training(ddp) | 3.6.0 | 依赖accelerate|
|✅ fp16/bf16 training| 3.6.0 | 依赖accelerate|
|✅ tensorboard callback | 3.7.0 |依赖tensorboard |
|✅ wandb callback | 3.7.0 |依赖wandb |详情参考项目链接::https://github.com/lyhue1991/torchkeras
```python
```
## 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⭐️,并分享给你的朋友们喔😊!**
如果对本书内容理解上有一些疑问或者建议,可以在公众号"算法美食屋"后台回复关键字:**加群**,加入读者交流群和大家讨论。
![算法美食屋logo.png](https://tva1.sinaimg.cn/large/e6c9d24egy1h41m2zugguj20k00b9q46.jpg)
```python
```