這個項目是中文版《動手學深度學習》中的代碼進行整理，用Pytorch實現，是目前全網最全的Pytorch版本。

項目作者：吳振宇博士

簡介

??Dive-Into-Deep-Learning-PyTorch-PDF這個項目對中文版《動手學深度學習》中的代碼進行整理，并參考一些優秀的GitHub項目給出基于PyTorch的實現方法。為了方便閱讀，本項目給出全書PyTorch版的PDF版本。歡迎大家Download，Star，Fork。除了原書內容外，我還為每一章增加了本章附錄，用于對該章節中用到的函數以及數學計算加以詳細說明，除此之外還增加了語義分割網絡（U-Net）的實現，是目前全網最完整的版本。

項目地址為：https://github.com/wzy6642/Dive-Into-Deep-Learning-PyTorch-PDF。

??項目中包含的文件夾有：

code：用于對書中每一章的代碼進行整理，

data：給出書中用到數據的百度云鏈接，

pdf：存放《動手學深度學習》PyTorch版的PDF版本。

??原書作者：阿斯頓·張、李沐、扎卡里 C. 立頓、亞歷山大 J. 斯莫拉以及其他社區貢獻者。

目錄

• 1. 預備知識

• • 1.1 數據操作

  • 1.2 自動求梯度

  • 1.3 查閱文檔

  • 1.4 本章附錄

• 2. 深度學習基礎

• • 2.1 線性回歸

  • 2.2 線性回歸的從零開始實現

  • 2.3 線性回歸的簡潔實現

  • 2.4 softmax回歸

  • 2.5 圖像分類數據集（Fashion-MNIST）

  • 2.6 softmax回歸的從零開始實現

  • 2.7 softmax回歸的簡潔實現

  • 2.8 多層感知機

  • 2.9 多層感知機的從零開始實現

  • 2.10 多層感知機的簡潔實現

  • 2.11 模型選擇、欠擬合和過擬合

  • 2.12 權重衰減

  • 2.13 丟棄法

  • 2.14 正向傳播、反向傳播和計算圖

  • 2.15 數值穩定性和模型初始化

  • 2.16 實戰Kaggle比賽：房價預測

  • 2.17 本章附錄

• 3. 深度學習計算

• • 3.1 模型構造

  • 3.2 模型參數的訪問、初始化和共享

  • 3.3 自定義層

  • 3.4 讀取和存儲

  • 3.5 GPU計算

  • 3.6 本章附錄

• 4. 卷積神經網絡

• • 4.1 二維卷積層

  • 4.2 填充和步幅

  • 4.3 多輸入通道和多輸出通道

  • 4.4 池化層

  • 4.5 卷積神經網絡（LeNet）

  • 4.6 深度卷積神經網絡（AlexNet）

  • 4.7 使用重復元素的網絡（VGG）

  • 4.8 網絡中的網絡（NiN）

  • 4.9 含并行連結的網絡（GoogLeNet）

  • 4.10 批量歸一化

  • 4.11 殘差網絡（ResNet）

  • 4.12 稠密連接網絡（DenseNet）

  • 4.13 本章附錄

• 5. 循環神經網絡

• • 5.1 語言模型

  • 5.2 循環神經網絡

  • 5.3 語言模型數據集（周杰倫專輯歌詞）

  • 5.4 循環神經網絡的從零開始實現

  • 5.5 循環神經網絡的簡潔實現

  • 5.6 通過時間反向傳播

  • 5.7 門控循環單元（GRU）

  • 5.8 長短期記憶（LSTM）

  • 5.9 深度循環神經網絡

  • 5.10 雙向循環神經網絡

  • 5.11 本章附錄

• 6. 優化算法

• • 6.1 優化與深度學習

  • 6.2 梯度下降和隨機梯度下降

  • 6.3 小批量隨機梯度下降

  • 6.4 動量法

  • 6.5 AdaGrad算法

  • 6.6 RMSProp算法

  • 6.7 AdaDelta算法

  • 6.8 Adam算法

  • 6.9 本章附錄

• 7. 計算性能

• • 7.1 命令式和符號式混合編程

  • 7.2 自動并行計算

  • 7.3 多GPU計算

  • 7.4 本章附錄

• 8. 計算機視覺

• • 8.1 圖像增廣

  • 8.2 微調

  • 8.3 目標檢測和邊界框

  • 8.4 錨框

  • 8.5 多尺度目標檢測

  • 8.6 目標檢測數據集（皮卡丘）

  • 8.7 單發多框檢測（SSD）

  • 8.8 區域卷積神經網絡（R-CNN）系列

  • 8.9 語義分割和數據集

  • 8.10 全卷積網絡（FCN）

  • 8.11 樣式遷移

  • 8.12 實戰Kaggle比賽：圖像分類（CIFAR-10）

  • 8.13 實戰Kaggle比賽：狗的品種識別（ImageNet Dogs）

  • 8.14 語義分割網絡（U-Net）

  • 8.15 本章附錄

• 9. 自然語言處理

• • 9.1 詞嵌入（word2vec）

  • 9.2 近似訓練

  • 9.3 word2vec的實現

  • 9.4 子詞嵌入（fastText）

  • 9.5 全局向量的詞嵌入（GloVe）

  • 9.6 求近義詞和類比詞

  • 9.7 文本情感分類：使用循環神經網絡

  • 9.8 文本情感分類：使用卷積神經網絡（textCNN）

  • 9.9 編碼器—解碼器（seq2seq）

  • 9.10 束搜索

  • 9.11 注意力機制

  • 9.12 機器翻譯

  • 9.13 本章附錄

環境

matplotlib==3.3.2
torch==1.1.0
torchvision==0.3.0
torchtext==0.4.0
CUDA Version==11.0

致謝

??感謝本書的作者以及社區的小伙伴提供這么優質的學習資源，大家學習過程中如果發現內容有錯誤或者表達不清晰的地方請及時與我聯系，QQ：807698462、郵箱：807698462@qq.com。

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯 本站知識星球“黃博的機器學習圈子”（92416895） 本站qq群704220115。 加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【深度学习】李沐《动手学深度学习》的PyTorch实现已完成的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。