Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
pytorch-doc-zh
提交
0211f6b6
P
pytorch-doc-zh
项目概览
OpenDocCN
/
pytorch-doc-zh
通知
123
Star
3932
Fork
992
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
pytorch-doc-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
0211f6b6
编写于
10月 14, 2021
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2021-10-14 22:40:39
上级
f18fcbd2
变更
1
显示空白变更内容
内联
并排
Showing
1 changed file
with
0 addition
and
428 deletion
+0
-428
tmp.md
tmp.md
+0
-428
未找到文件。
tmp.md
已删除
100644 → 0
浏览文件 @
f18fcbd2
+
[
PyTorch 中文官方教程 1.7
](
docs/1.7/README.md
)
+
[
学习 PyTorch
](
docs/1.7/01.md
)
+
[
PyTorch 深度学习:60 分钟的突击
](
docs/1.7/02.md
)
+
[
张量
](
docs/1.7/03.md
)
+
[
`torch.autograd`的简要介绍
](
docs/1.7/04.md
)
+
[
神经网络
](
docs/1.7/05.md
)
+
[
训练分类器
](
docs/1.7/06.md
)
+
[
通过示例学习 PyTorch
](
docs/1.7/07.md
)
+
[
热身:NumPy
](
docs/1.7/08.md
)
+
[
PyTorch:张量
](
docs/1.7/09.md
)
+
[
PyTorch:张量和 Autograd
](
docs/1.7/10.md
)
+
[
PyTorch:定义新的 Autograd 函数
](
docs/1.7/11.md
)
+
[
PyTorch:`nn`
](
docs/1.7/12.md
)
+
[
PyTorch:`optim`
](
docs/1.7/13.md
)
+
[
PyTorch:自定义`nn`模块
](
docs/1.7/14.md
)
+
[
PyTorch:控制流 + 权重共享
](
docs/1.7/15.md
)
+
[
`torch.nn`到底是什么?
](
docs/1.7/16.md
)
+
[
使用 TensorBoard 可视化模型,数据和训练
](
docs/1.7/17.md
)
+
[
图片/视频
](
docs/1.7/18.md
)
+
[
`torchvision`对象检测微调教程
](
docs/1.7/19.md
)
+
[
计算机视觉的迁移学习教程
](
docs/1.7/20.md
)
+
[
对抗示例生成
](
docs/1.7/21.md
)
+
[
DCGAN 教程
](
docs/1.7/22.md
)
+
[
音频
](
docs/1.7/23.md
)
+
[
音频 I/O 和`torchaudio`的预处理
](
docs/1.7/24.md
)
+
[
使用`torchaudio`的语音命令识别
](
docs/1.7/25.md
)
+
[
文本
](
docs/1.7/26.md
)
+
[
使用`nn.Transformer`和`torchtext`的序列到序列建模
](
docs/1.7/27.md
)
+
[
从零开始的 NLP:使用字符级 RNN 分类名称
](
docs/1.7/28.md
)
+
[
从零开始的 NLP:使用字符级 RNN 生成名称
](
docs/1.7/29.md
)
+
[
从零开始的 NLP:使用序列到序列网络和注意力的翻译
](
docs/1.7/30.md
)
+
[
使用`torchtext`的文本分类
](
docs/1.7/31.md
)
+
[
`torchtext`语言翻译
](
docs/1.7/32.md
)
+
[
强化学习
](
docs/1.7/33.md
)
+
[
强化学习(DQN)教程
](
docs/1.7/34.md
)
+
[
训练玩马里奥的 RL 智能体
](
docs/1.7/35.md
)
+
[
在生产中部署 PyTorch 模型
](
docs/1.7/36.md
)
+
[
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
](
docs/1.7/37.md
)
+
[
TorchScript 简介
](
docs/1.7/38.md
)
+
[
在 C++ 中加载 TorchScript 模型
](
docs/1.7/39.md
)
+
[
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它(可选)
](
docs/1.7/40.md
)
+
[
前端 API
](
docs/1.7/41.md
)
+
[
PyTorch 中的命名张量简介(原型)
](
docs/1.7/42.md
)
+
[
PyTorch 中通道在最后的内存格式(beta)
](
docs/1.7/43.md
)
+
[
使用 PyTorch C++ 前端
](
docs/1.7/44.md
)
+
[
自定义 C++ 和 CUDA 扩展
](
docs/1.7/45.md
)
+
[
使用自定义 C++ 运算符扩展 TorchScript
](
docs/1.7/46.md
)
+
[
使用自定义 C++ 类扩展 TorchScript
](
docs/1.7/47.md
)
+
[
TorchScript 中的动态并行性
](
docs/1.7/48.md
)
+
[
C++ 前端中的 Autograd
](
docs/1.7/49.md
)
+
[
在 C++ 中注册调度运算符
](
docs/1.7/50.md
)
+
[
模型优化
](
docs/1.7/51.md
)
+
[
分析您的 PyTorch 模块
](
docs/1.7/52.md
)
+
[
使用 Ray Tune 的超参数调整
](
docs/1.7/53.md
)
+
[
模型剪裁教程
](
docs/1.7/54.md
)
+
[
LSTM 单词语言模型上的动态量化(beta)
](
docs/1.7/55.md
)
+
[
BERT 上的动态量化(Beta)
](
docs/1.7/56.md
)
+
[
PyTorch 中使用 Eager 模式的静态量化(beta)
](
docs/1.7/57.md
)
+
[
计算机视觉的量化迁移学习教程(beta)
](
docs/1.7/58.md
)
+
[
并行和分布式训练
](
docs/1.7/59.md
)
+
[
PyTorch 分布式概述
](
docs/1.7/60.md
)
+
[
单机模型并行最佳实践
](
docs/1.7/61.md
)
+
[
分布式数据并行入门
](
docs/1.7/62.md
)
+
[
用 PyTorch 编写分布式应用
](
docs/1.7/63.md
)
+
[
分布式 RPC 框架入门
](
docs/1.7/64.md
)
+
[
使用分布式 RPC 框架实现参数服务器
](
docs/1.7/65.md
)
+
[
使用 RPC 的分布式管道并行化
](
docs/1.7/66.md
)
+
[
使用异步执行实现批量 RPC 处理
](
docs/1.7/67.md
)
+
[
将分布式`DataParallel`与分布式 RPC 框架相结合
](
docs/1.7/68.md
)
+
[
PyTorch 1.4 教程&文档
](
docs/1.4/README.md
)
+
入门
+
[
使用 PyTorch 进行深度学习:60 分钟的闪电战
](
docs/1.4/4.md
)
+
[
什么是PyTorch?
](
docs/1.4/blitz/tensor_tutorial.md
)
+
[
Autograd:自动求导
](
docs/1.4/blitz/autograd_tutorial.md
)
+
[
神经网络
](
docs/1.4/blitz/neural_networks_tutorial.md
)
+
[
训练分类器
](
docs/1.4/blitz/cifar10_tutorial.md
)
+
[
可选:数据并行
](
docs/1.4/blitz/data_parallel_tutorial.md
)
+
[
编写自定义数据集,数据加载器和转换
](
docs/1.4/5.md
)
+
[
使用 TensorBoard 可视化模型,数据和训练
](
docs/1.4/6.md
)
+
图片
+
[
TorchVision 对象检测微调教程
](
docs/1.4/8.md
)
+
[
转移学习的计算机视觉教程
](
docs/1.4/9.md
)
+
[
空间变压器网络教程
](
docs/1.4/10.md
)
+
[
使用 PyTorch 进行神经传递
](
docs/1.4/11.md
)
+
[
对抗示例生成
](
docs/1.4/12.md
)
+
[
DCGAN 教程
](
docs/1.4/13.md
)
+
音频
+
[
torchaudio 教程
](
docs/1.4/15.md
)
+
文本
+
[
NLP From Scratch: 使用char-RNN对姓氏进行分类
](
docs/1.4/17.md
)
+
[
NLP From Scratch: 生成名称与字符级RNN
](
docs/1.4/18.md
)
+
[
NLP From Scratch: 基于注意力机制的 seq2seq 神经网络翻译
](
docs/1.4/19.md
)
+
[
使用 TorchText 进行文本分类
](
docs/1.4/20.md
)
+
[
使用 TorchText 进行语言翻译
](
docs/1.4/21.md
)
+
[
使用 nn.Transformer 和 TorchText 进行序列到序列建模
](
docs/1.4/22.md
)
+
命名为 Tensor(实验性)
+
[
(实验性)PyTorch 中的命名张量简介
](
docs/1.4/24.md
)
+
强化学习
+
[
强化学习(DQN)教程
](
docs/1.4/26.md
)
+
在生产中部署 PyTorch 模型
+
[
通过带有 Flask 的 REST API 在 Python 中部署 PyTorch
](
docs/1.4/28.md
)
+
[
TorchScript 简介
](
docs/1.4/29.md
)
+
[
在 C ++中加载 TorchScript 模型
](
docs/1.4/30.md
)
+
[
(可选)将模型从 PyTorch 导出到 ONNX 并使用 ONNX Runtime 运行
](
docs/1.4/31.md
)
+
并行和分布式训练
+
[
单机模型并行最佳实践
](
docs/1.4/33.md
)
+
[
分布式数据并行入门
](
docs/1.4/34.md
)
+
[
用 PyTorch 编写分布式应用程序
](
docs/1.4/35.md
)
+
[
分布式 RPC 框架入门
](
docs/1.4/36.md
)
+
[
(高级)带有 Amazon AWS 的 PyTorch 1.0 分布式训练师
](
docs/1.4/37.md
)
+
扩展 PyTorch
+
[
使用自定义 C ++运算符扩展 TorchScript
](
docs/1.4/39.md
)
+
[
使用自定义 C ++类扩展 TorchScript
](
docs/1.4/40.md
)
+
[
使用 numpy 和 scipy 创建扩展
](
docs/1.4/41.md
)
+
[
自定义 C ++和 CUDA 扩展
](
docs/1.4/42.md
)
+
模型优化
+
[
LSTM Word 语言模型上的(实验)动态量化
](
docs/1.4/44.md
)
+
[
(实验性)在 PyTorch 中使用 Eager 模式进行静态量化
](
docs/1.4/45.md
)
+
[
(实验性)计算机视觉教程的量化转移学习
](
docs/1.4/46.md
)
+
[
(实验)BERT 上的动态量化
](
docs/1.4/47.md
)
+
[
修剪教程
](
docs/1.4/48.md
)
+
PyTorch 用其他语言
+
[
使用 PyTorch C ++前端
](
docs/1.4/50.md
)
+
PyTorch 基础知识
+
[
通过示例学习 PyTorch
](
docs/1.4/52.md
)
+
[
torch.nn 到底是什么?
](
docs/1.4/53.md
)
+
文件
+
笔记
+
[
自动求导机制
](
docs/1.4/56.md
)
+
[
广播语义
](
docs/1.4/57.md
)
+
[
CPU 线程和 TorchScript 推断
](
docs/1.4/58.md
)
+
[
CUDA 语义
](
docs/1.4/59.md
)
+
[
分布式 Autograd 设计
](
docs/1.4/60.md
)
+
[
扩展 PyTorch
](
docs/1.4/61.md
)
+
[
经常问的问题
](
docs/1.4/62.md
)
+
[
大规模部署的功能
](
docs/1.4/63.md
)
+
[
并行处理最佳实践
](
docs/1.4/64.md
)
+
[
重现性
](
docs/1.4/65.md
)
+
[
远程参考协议
](
docs/1.4/66.md
)
+
[
序列化语义
](
docs/1.4/67.md
)
+
[
Windows 常见问题
](
docs/1.4/68.md
)
+
[
XLA 设备上的 PyTorch
](
docs/1.4/69.md
)
+
语言绑定
+
[
PyTorch C ++ API
](
docs/1.4/71.md
)
+
[
PyTorch Java API
](
docs/1.4/72.md
)
+
Python API
+
[
torch
](
docs/1.4/74.md
)
+
[
torch.nn
](
docs/1.4/75.md
)
+
[
torch功能
](
docs/1.4/76.md
)
+
[
torch张量
](
docs/1.4/77.md
)
+
[
张量属性
](
docs/1.4/78.md
)
+
[
自动差分包-Torch.Autograd
](
docs/1.4/79.md
)
+
[
torch.cuda
](
docs/1.4/80.md
)
+
[
分布式通讯包-Torch.Distributed
](
docs/1.4/81.md
)
+
[
概率分布-torch分布
](
docs/1.4/82.md
)
+
[
torch.hub
](
docs/1.4/83.md
)
+
[
torch脚本
](
docs/1.4/84.md
)
+
[
torch.nn.init
](
docs/1.4/85.md
)
+
[
torch.onnx
](
docs/1.4/86.md
)
+
[
torch.optim
](
docs/1.4/87.md
)
+
[
量化
](
docs/1.4/88.md
)
+
[
分布式 RPC 框架
](
docs/1.4/89.md
)
+
[
torch随机
](
docs/1.4/90.md
)
+
[
torch稀疏
](
docs/1.4/91.md
)
+
[
torch存储
](
docs/1.4/92.md
)
+
[
torch.utils.bottleneck
](
docs/1.4/93.md
)
+
[
torch.utils.checkpoint
](
docs/1.4/94.md
)
+
[
torch.utils.cpp_extension
](
docs/1.4/95.md
)
+
[
torch.utils.data
](
docs/1.4/96.md
)
+
[
torch.utils.dlpack
](
docs/1.4/97.md
)
+
[
torch.utils.model_zoo
](
docs/1.4/98.md
)
+
[
torch.utils.tensorboard
](
docs/1.4/99.md
)
+
[
类型信息
](
docs/1.4/100.md
)
+
[
命名张量
](
docs/1.4/101.md
)
+
[
命名为 Tensors 操作员范围
](
docs/1.4/102.md
)
+
[
糟糕!
](
docs/1.4/103.md
)
+
torchvision参考
+
[
torchvision
](
docs/1.4/105.md
)
+
音频参考
+
[
torchaudio
](
docs/1.4/107.md
)
+
torchtext参考
+
[
torchtext
](
docs/1.4/109.md
)
+
社区
+
[
PyTorch 贡献指南
](
docs/1.4/111.md
)
+
[
PyTorch 治理
](
docs/1.4/112.md
)
+
[
PyTorch 治理| 感兴趣的人
](
docs/1.4/113.md
)
+
[
PyTorch 1.0 中文文档
](
docs/1.0/README.md
)
+
中文教程
+
[
起步
](
docs/1.0/tut_getting_started.md
)
+
[
PyTorch 深度学习: 60 分钟极速入门
](
docs/1.0/deep_learning_60min_blitz.md
)
+
[
什么是 PyTorch?
](
docs/1.0/blitz_tensor_tutorial.md
)
+
[
Autograd:自动求导
](
docs/1.0/blitz_autograd_tutorial.md
)
+
[
神经网络
](
docs/1.0/blitz_neural_networks_tutorial.md
)
+
[
训练分类器
](
docs/1.0/blitz_cifar10_tutorial.md
)
+
[
可选:数据并行处理
](
docs/1.0/blitz_data_parallel_tutorial.md
)
+
[
数据加载和处理教程
](
docs/1.0/data_loading_tutorial.md
)
+
[
用例子学习 PyTorch
](
docs/1.0/pytorch_with_examples.md
)
+
[
迁移学习教程
](
docs/1.0/transfer_learning_tutorial.md
)
+
[
混合前端的 seq2seq 模型部署
](
docs/1.0/deploy_seq2seq_hybrid_frontend_tutorial.md
)
+
[
Saving and Loading Models
](
docs/1.0/saving_loading_models.md
)
+
[
What is torch.nn really?
](
docs/1.0/nn_tutorial.md
)
+
[
图像
](
docs/1.0/tut_image.md
)
+
[
Torchvision 模型微调
](
docs/1.0/finetuning_torchvision_models_tutorial.md
)
+
[
空间变换器网络教程
](
docs/1.0/spatial_transformer_tutorial.md
)
+
[
使用 PyTorch 进行图像风格转换
](
docs/1.0/neural_style_tutorial.md
)
+
[
对抗性示例生成
](
docs/1.0/fgsm_tutorial.md
)
+
[
使用 ONNX 将模型从 PyTorch 传输到 Caffe2 和移动端
](
docs/1.0/super_resolution_with_caffe2.md
)
+
[
文本
](
docs/1.0/tut_text.md
)
+
[
聊天机器人教程
](
docs/1.0/chatbot_tutorial.md
)
+
[
使用字符级别特征的 RNN 网络生成姓氏
](
docs/1.0/char_rnn_generation_tutorial.md
)
+
[
使用字符级别特征的 RNN 网络进行姓氏分类
](
docs/1.0/char_rnn_classification_tutorial.md
)
+
[
Deep Learning for NLP with Pytorch
](
docs/1.0/deep_learning_nlp_tutorial.md
)
+
[
PyTorch 介绍
](
docs/1.0/nlp_pytorch_tutorial.md
)
+
[
使用 PyTorch 进行深度学习
](
docs/1.0/nlp_deep_learning_tutorial.md
)
+
[
Word Embeddings: Encoding Lexical Semantics
](
docs/1.0/nlp_word_embeddings_tutorial.md
)
+
[
序列模型和 LSTM 网络
](
docs/1.0/nlp_sequence_models_tutorial.md
)
+
[
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF
](
docs/1.0/nlp_advanced_tutorial.md
)
+
[
基于注意力机制的 seq2seq 神经网络翻译
](
docs/1.0/seq2seq_translation_tutorial.md
)
+
[
生成
](
docs/1.0/tut_generative.md
)
+
[
DCGAN Tutorial
](
docs/1.0/dcgan_faces_tutorial.md
)
+
[
强化学习
](
docs/1.0/tut_reinforcement_learning.md
)
+
[
Reinforcement Learning (DQN) Tutorial
](
docs/1.0/reinforcement_q_learning.md
)
+
[
扩展 PyTorch
](
docs/1.0/tut_extending_pytorch.md
)
+
[
用 numpy 和 scipy 创建扩展
](
docs/1.0/numpy_extensions_tutorial.md
)
+
[
Custom C++ and CUDA Extensions
](
docs/1.0/cpp_extension.md
)
+
[
Extending TorchScript with Custom C++ Operators
](
docs/1.0/torch_script_custom_ops.md
)
+
[
生产性使用
](
docs/1.0/tut_production_usage.md
)
+
[
Writing Distributed Applications with PyTorch
](
docs/1.0/dist_tuto.md
)
+
[
使用 Amazon AWS 进行分布式训练
](
docs/1.0/aws_distributed_training_tutorial.md
)
+
[
ONNX 现场演示教程
](
docs/1.0/ONNXLive.md
)
+
[
在 C++ 中加载 PYTORCH 模型
](
docs/1.0/cpp_export.md
)
+
[
其它语言中的 PyTorch
](
docs/1.0/tut_other_language.md
)
+
[
使用 PyTorch C++ 前端
](
docs/1.0/cpp_frontend.md
)
+
中文文档
+
[
注解
](
docs/1.0/docs_notes.md
)
+
[
自动求导机制
](
docs/1.0/notes_autograd.md
)
+
[
广播语义
](
docs/1.0/notes_broadcasting.md
)
+
[
CUDA 语义
](
docs/1.0/notes_cuda.md
)
+
[
Extending PyTorch
](
docs/1.0/notes_extending.md
)
+
[
Frequently Asked Questions
](
docs/1.0/notes_faq.md
)
+
[
Multiprocessing best practices
](
docs/1.0/notes_multiprocessing.md
)
+
[
Reproducibility
](
docs/1.0/notes_randomness.md
)
+
[
Serialization semantics
](
docs/1.0/notes_serialization.md
)
+
[
Windows FAQ
](
docs/1.0/notes_windows.md
)
+
[
包参考
](
docs/1.0/docs_package_ref.md
)
+
[
torch
](
docs/1.0/torch.md
)
+
[
Tensors
](
docs/1.0/torch_tensors.md
)
+
[
Random sampling
](
docs/1.0/torch_random_sampling.md
)
+
[
Serialization, Parallelism, Utilities
](
docs/1.0/torch_serialization_parallelism_utilities.md
)
+
[
Math operations
](
docs/1.0/torch_math_operations.md
)
+
[
Pointwise Ops
](
docs/1.0/torch_math_operations_pointwise_ops.md
)
+
[
Reduction Ops
](
docs/1.0/torch_math_operations_reduction_ops.md
)
+
[
Comparison Ops
](
docs/1.0/torch_math_operations_comparison_ops.md
)
+
[
Spectral Ops
](
docs/1.0/torch_math_operations_spectral_ops.md
)
+
[
Other Operations
](
docs/1.0/torch_math_operations_other_ops.md
)
+
[
BLAS and LAPACK Operations
](
docs/1.0/torch_math_operations_blas_lapack_ops.md
)
+
[
torch.Tensor
](
docs/1.0/tensors.md
)
+
[
Tensor Attributes
](
docs/1.0/tensor_attributes.md
)
+
[
数据类型信息
](
docs/1.0/type_info.md
)
+
[
torch.sparse
](
docs/1.0/sparse.md
)
+
[
torch.cuda
](
docs/1.0/cuda.md
)
+
[
torch.Storage
](
docs/1.0/storage.md
)
+
[
torch.nn
](
docs/1.0/nn.md
)
+
[
torch.nn.functional
](
docs/1.0/nn_functional.md
)
+
[
torch.nn.init
](
docs/1.0/nn_init.md
)
+
[
torch.optim
](
docs/1.0/optim.md
)
+
[
Automatic differentiation package - torch.autograd
](
docs/1.0/autograd.md
)
+
[
Distributed communication package - torch.distributed
](
docs/1.0/distributed.md
)
+
[
Probability distributions - torch.distributions
](
docs/1.0/distributions.md
)
+
[
Torch Script
](
docs/1.0/jit.md
)
+
[
多进程包 - torch.multiprocessing
](
docs/1.0/multiprocessing.md
)
+
[
torch.utils.bottleneck
](
docs/1.0/bottleneck.md
)
+
[
torch.utils.checkpoint
](
docs/1.0/checkpoint.md
)
+
[
torch.utils.cpp_extension
](
docs/1.0/docs_cpp_extension.md
)
+
[
torch.utils.data
](
docs/1.0/data.md
)
+
[
torch.utils.dlpack
](
docs/1.0/dlpack.md
)
+
[
torch.hub
](
docs/1.0/hub.md
)
+
[
torch.utils.model_zoo
](
docs/1.0/model_zoo.md
)
+
[
torch.onnx
](
docs/1.0/onnx.md
)
+
[
Distributed communication package (deprecated) - torch.distributed.deprecated
](
docs/1.0/distributed_deprecated.md
)
+
[
torchvision 参考
](
docs/1.0/docs_torchvision_ref.md
)
+
[
torchvision.datasets
](
docs/1.0/torchvision_datasets.md
)
+
[
torchvision.models
](
docs/1.0/torchvision_models.md
)
+
[
torchvision.transforms
](
docs/1.0/torchvision_transforms.md
)
+
[
torchvision.utils
](
docs/1.0/torchvision_utils.md
)
+
[
PyTorch 0.4 中文文档
](
docs/0.4/README.md
)
+
[
笔记
](
docs/0.4/0.md
)
+
[
自动求导机制
](
docs/0.4/1.md
)
+
[
Torch
](
docs/0.4/10.md
)
+
[
torch.Tensor
](
docs/0.4/11.md
)
+
[
Tensor Attributes
](
docs/0.4/12.md
)
+
[
torch.sparse
](
docs/0.4/13.md
)
+
[
torch.cuda
](
docs/0.4/14.md
)
+
[
torch.Storage
](
docs/0.4/15.md
)
+
[
torch.nn
](
docs/0.4/16.md
)
+
[
torch.nn.functional
](
docs/0.4/17.md
)
+
[
自动差异化包 - torch.autograd
](
docs/0.4/18.md
)
+
[
torch.optim
](
docs/0.4/19.md
)
+
[
广播语义
](
docs/0.4/2.md
)
+
[
torch.nn.init
](
docs/0.4/20.md
)
+
[
torch.distributions
](
docs/0.4/21.md
)
+
[
Multiprocessing 包 - torch.multiprocessing
](
docs/0.4/22.md
)
+
[
分布式通讯包 - torch.distributed
](
docs/0.4/23.md
)
+
[
torch.utils.bottleneck
](
docs/0.4/24.md
)
+
[
torch.utils.checkpoint
](
docs/0.4/25.md
)
+
[
torch.utils.cpp_extension
](
docs/0.4/26.md
)
+
[
torch.utils.data
](
docs/0.4/27.md
)
+
[
torch.utils.ffi
](
docs/0.4/28.md
)
+
[
torch.utils.model_zoo
](
docs/0.4/29.md
)
+
[
CUDA 语义
](
docs/0.4/3.md
)
+
[
torch.onnx
](
docs/0.4/30.md
)
+
[
遗留包 - torch.legacy
](
docs/0.4/31.md
)
+
[
torchvision 参考
](
docs/0.4/32.md
)
+
[
torchvision
](
docs/0.4/33.md
)
+
[
torchvision.datasets
](
docs/0.4/34.md
)
+
[
torchvision.models
](
docs/0.4/35.md
)
+
[
torchvision.transform
](
docs/0.4/36.md
)
+
[
torchvision.utils
](
docs/0.4/37.md
)
+
[
扩展 PyTorch
](
docs/0.4/4.md
)
+
[
常见问题
](
docs/0.4/5.md
)
+
[
多进程最佳实践
](
docs/0.4/6.md
)
+
[
序列化语义
](
docs/0.4/7.md
)
+
[
Windows 常见问题
](
docs/0.4/8.md
)
+
[
包参考
](
docs/0.4/9.md
)
+
[
PyTorch 0.3 中文文档 & 教程
](
docs/0.3/README.md
)
+
[
中文教程
](
docs/0.3/tut.md
)
+
[
初学者教程
](
docs/0.3/beginner_tutorials.md
)
+
[
PyTorch 深度学习: 60 分钟极速入门教程
](
docs/0.3/deep_learning_60min_blitz.md
)
+
[
PyTorch 是什么?
](
docs/0.3/blitz_tensor_tutorial.md
)
+
[
自动求导: 自动微分
](
docs/0.3/blitz_autograd_tutorial.md
)
+
[
神经网络
](
docs/0.3/blitz_neural_networks_tutorial.md
)
+
[
训练一个分类器
](
docs/0.3/blitz_cifar10_tutorial.md
)
+
[
可选: 数据并行
](
docs/0.3/blitz_data_parallel_tutorial.md
)
+
[
PyTorch for former Torch users
](
docs/0.3/former_torchies_tutorial.md
)
+
[
Tensors
](
docs/0.3/former_torchies_tensor_tutorial.md
)
+
[
Autograd (自动求导)
](
docs/0.3/former_torchies_autograd_tutorial.md
)
+
[
nn package
](
docs/0.3/former_torchies_nn_tutorial.md
)
+
[
Multi-GPU examples
](
docs/0.3/former_torchies_parallelism_tutorial.md
)
+
[
跟着例子学习 PyTorch
](
docs/0.3/pytorch_with_examples.md
)
+
[
Warm-up: numpy
](
docs/0.3/pytorch_with_examples_warm-up-numpy.md
)
+
[
PyTorch: Tensors
](
docs/0.3/pytorch_with_examples_pytorch-tensors.md
)
+
[
PyTorch: 变量和autograd
](
docs/0.3/pytorch_with_examples_pytorch-variables-and-autograd.md
)
+
[
PyTorch: 定义新的autograd函数
](
docs/0.3/pytorch_with_examples_pytorch-defining-new-autograd-functions.md
)
+
[
TensorFlow: 静态图
](
docs/0.3/pytorch_with_examples_tensorflow-static-graphs.md
)
+
[
PyTorch: nn包
](
docs/0.3/pytorch_with_examples_pytorch-nn.md
)
+
[
PyTorch: optim包
](
docs/0.3/pytorch_with_examples_pytorch-optim.md
)
+
[
PyTorch: 定制化nn模块
](
docs/0.3/pytorch_with_examples_pytorch-custom-nn-modules.md
)
+
[
PyTorch: 动态控制流程 + 权重共享
](
docs/0.3/pytorch_with_examples_pytorch-control-flow-weight-sharing.md
)
+
[
迁移学习教程
](
docs/0.3/transfer_learning_tutorial.md
)
+
[
数据加载和处理教程
](
docs/0.3/data_loading_tutorial.md
)
+
[
针对NLP的Pytorch深度学习
](
docs/0.3/deep_learning_nlp_tutorial.md
)
+
[
PyTorch介绍
](
docs/0.3/nlp_pytorch_tutorial.md
)
+
[
PyTorch深度学习
](
docs/0.3/nlp_deep_learning_tutorial.md
)
+
[
词汇嵌入:编码词汇语义
](
docs/0.3/nlp_word_embeddings_tutorial.md
)
+
[
序列模型和 LSTM 网络(长短记忆网络)
](
docs/0.3/nlp_sequence_models_tutorial.md
)
+
[
高级教程: 作出动态决策和 Bi-LSTM CRF
](
docs/0.3/nlp_advanced_tutorial.md
)
+
[
中级教程
](
docs/0.3/intermediate_tutorials.md
)
+
[
用字符级RNN分类名称
](
docs/0.3/char_rnn_classification_tutorial.md
)
+
[
基与字符级RNN(Char-RNN)的人名生成
](
docs/0.3/char_rnn_generation_tutorial.md
)
+
[
用基于注意力机制的seq2seq神经网络进行翻译
](
docs/0.3/seq2seq_translation_tutorial.md
)
+
[
强化学习(DQN)教程
](
docs/0.3/reinforcement_q_learning.md
)
+
[
Writing Distributed Applications with PyTorch
](
docs/0.3/dist_tuto.md
)
+
[
空间转换网络 (Spatial Transformer Networks) 教程
](
docs/0.3/spatial_transformer_tutorial.md
)
+
[
高级教程
](
docs/0.3/advanced_tutorials.md
)
+
[
用 PyTorch 做 神经转换 (Neural Transfer)
](
docs/0.3/neural_style_tutorial.md
)
+
[
使用 numpy 和 scipy 创建扩展
](
docs/0.3/numpy_extensions_tutorial.md
)
+
[
使用 ONNX 将模型从 PyTorch 迁移到 Caffe2 和 Mobile
](
docs/0.3/super_resolution_with_caffe2.md
)
+
[
为 pytorch 自定义 C 扩展
](
docs/0.3/c_extension.md
)
+
[
中文文档
](
docs/0.3/doc.md
)
+
[
介绍
](
docs/0.3/notes.md
)
+
[
自动求导机制
](
docs/0.3/notes_autograd.md
)
+
[
广播语义
](
docs/0.3/notes_broadcasting.md
)
+
[
CUDA 语义
](
docs/0.3/notes_cuda.md
)
+
[
扩展 PyTorch
](
docs/0.3/notes_extending.md
)
+
[
多进程的最佳实践
](
docs/0.3/notes_multiprocessing.md
)
+
[
序列化语义
](
docs/0.3/notes_serialization.md
)
+
[
Package 参考
](
docs/0.3/package_reference.md
)
+
[
torch
](
docs/0.3/torch.md
)
+
[
torch.Tensor
](
docs/0.3/tensors.md
)
+
[
torch.sparse
](
docs/0.3/sparse.md
)
+
[
torch.Storage
](
docs/0.3/storage.md
)
+
[
torch.nn
](
docs/0.3/nn.md
)
+
[
torch.optim
](
docs/0.3/optim.md
)
+
[
Automatic differentiation package - torch.autograd
](
docs/0.3/autograd.md
)
+
[
Probability distributions - torch.distributions
](
docs/0.3/distributions.md
)
+
[
Multiprocessing package - torch.multiprocessing
](
docs/0.3/multiprocessing.md
)
+
[
Distributed communication package - torch.distributed
](
docs/0.3/distributed.md
)
+
[
Legacy package - torch.legacy
](
docs/0.3/legacy.md
)
+
[
torch.cuda
](
docs/0.3/cuda.md
)
+
[
torch.utils.ffi
](
docs/0.3/ffi.md
)
+
[
torch.utils.data
](
docs/0.3/data.md
)
+
[
torch.utils.model_zoo
](
docs/0.3/model_zoo.md
)
+
[
torch.onnx
](
docs/0.3/onnx.md
)
+
[
torchvision 参考
](
docs/0.3/torchvision_reference.md
)
+
[
torchvision
](
docs/0.3/torchvision.md
)
+
[
torchvision.datasets
](
docs/0.3/datasets.md
)
+
[
torchvision.models
](
docs/0.3/models.md
)
+
[
torchvision.transforms
](
docs/0.3/transforms.md
)
+
[
torchvision.utils
](
docs/0.3/utils.md
)
+
[
PyTorch 0.2 中文文档
](
docs/0.2/README.md
)
+
说明
+
[
自动求导机制
](
docs/0.2/notes/autograd.md
)
+
[
CUDA语义
](
docs/0.2/notes/cuda.md
)
+
[
扩展PyTorch
](
docs/0.2/notes/extending.md
)
+
[
多进程最佳实践
](
docs/0.2/notes/multiprocessing.md
)
+
[
序列化语义
](
docs/0.2/notes/serialization.md
)
+
PACKAGE参考
+
[
torch
](
docs/0.2/package_references/torch.md
)
+
[
torch.Tensor
](
docs/0.2/package_references/Tensor.md
)
+
[
torch.Storage
](
docs/0.2/package_references/Storage.md
)
+
[
torch.nn
](
docs/0.2/package_references/torch-nn.md
)
+
[
torch.nn.functional
](
docs/0.2/package_references/functional.md
)
+
[
torch.autograd
](
docs/0.2/package_references/torch-autograd.md
)
+
[
torch.optim
](
docs/0.2/package_references/torch-optim.md
)
+
[
torch.nn.init
](
docs/0.2/package_references/nn_init.md
)
+
[
torch.multiprocessing
](
docs/0.2/package_references/torch-multiprocessing.md
)
+
[
torch.legacy
](
docs/0.2/package_references/legacy.md
)
+
[
torch.cuda
](
docs/0.2/package_references/torch-cuda.md
)
+
[
torch.utils.ffi
](
docs/0.2/package_references/ffi.md
)
+
[
torch.utils.data
](
docs/0.2/package_references/data.md
)
+
[
torch.utils.model_zoo
](
docs/0.2/package_references/model_zoo.md
)
+
TORCHVISION参考
+
[
torchvision
](
docs/0.2/torchvision/torchvision.md
)
+
[
torchvision.datasets
](
docs/0.2/torchvision/torchvision-datasets.md
)
+
[
torchvision.models
](
docs/0.2/torchvision/torchvision-models.md
)
+
[
torchvision.transforms
](
docs/0.2/torchvision/torchvision-transform.md
)
+
[
torchvision.utils
](
docs/0.2/torchvision/torchvision-utils.md
)
+
[
致谢
](
docs/0.2/acknowledgement.md
)
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录