2021-02-11 21:14:55

sidebar.md

-* [PyTorch 中文教程](README.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 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)