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
weixin_49771401
apachecn-dl-zh
提交
1a9955dc
A
apachecn-dl-zh
项目概览
weixin_49771401
/
apachecn-dl-zh
与 Fork 源项目一致
Fork自
OpenDocCN / apachecn-dl-zh
通知
1
Star
1
Fork
0
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
A
apachecn-dl-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
1a9955dc
编写于
1月 25, 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
2021-01-25 00:05:17
上级
f61bb95e
变更
3
显示空白变更内容
内联
并排
Showing
3 changed file
with
61 addition
and
65 deletion
+61
-65
new/pt-tut-17/00.md
new/pt-tut-17/00.md
+0
-3
new/pt-tut-17/30.md
new/pt-tut-17/30.md
+1
-1
new/pt-tut-17/SUMMARY.md
new/pt-tut-17/SUMMARY.md
+60
-61
未找到文件。
new/pt-tut-17/00.md
已删除
100644 → 0
浏览文件 @
f61bb95e
# PyTorch 官方教程 1.7
来源:
<https://pytorch.org/tutorials/>
\ No newline at end of file
new/pt-tut-17/30.md
浏览文件 @
1a9955dc
# 从零开始的 NLP:使用序列到序列网络
的翻译和注意力
# 从零开始的 NLP:使用序列到序列网络
和注意力的翻译
> 原文:<https://pytorch.org/tutorials/intermediate/seq2seq_translation_tutorial.html>
...
...
new/pt-tut-17/SUMMARY.md
浏览文件 @
1a9955dc
+
[
PyTorch
官方教程 1.7
](
00
.md
)
+
[
PyTorch
中文官方教程 1.7
](
README
.md
)
+
[
学习 PyTorch
](
01.md
)
+
[
PyTorch 深度学习:60 分钟的突击
](
02.md
)
+
[
张量
](
03.md
)
+
[
`torch.autograd`的简要介绍
](
04.md
)
+
[
神经网络
](
05.md
)
+
[
训练分类器
](
06.md
)
+
[
通过示例学习 PyTorch
](
07.md
)
+
[
热身:NumPy
](
08.md
)
+
[
PyTorch:张量
](
09.md
)
+
[
PyTorch:张量和 Autograd
](
10.md
)
+
[
PyTorch:定义新的 Autograd 函数
](
11.md
)
+
[
PyTorch:`nn`
](
12.md
)
+
[
PyTorch:`optim`
](
13.md
)
+
[
PyTorch:自定义`nn`模块
](
14.md
)
+
[
PyTorch:控制流 + 权重共享
](
15.md
)
+
[
`torch.nn`到底是什么?
](
16.md
)
+
[
使用 TensorBoard 可视化模型,数据和训练
](
17.md
)
+
[
PyTorch 深度学习:60 分钟的突击
](
02.md
)
+
[
张量
](
03.md
)
+
[
`torch.autograd`的简要介绍
](
04.md
)
+
[
神经网络
](
05.md
)
+
[
训练分类器
](
06.md
)
+
[
通过示例学习 PyTorch
](
07.md
)
+
[
热身:NumPy
](
08.md
)
+
[
PyTorch:张量
](
09.md
)
+
[
PyTorch:张量和 Autograd
](
10.md
)
+
[
PyTorch:定义新的 Autograd 函数
](
11.md
)
+
[
PyTorch:`nn`
](
12.md
)
+
[
PyTorch:`optim`
](
13.md
)
+
[
PyTorch:自定义`nn`模块
](
14.md
)
+
[
PyTorch:控制流 + 权重共享
](
15.md
)
+
[
`torch.nn`到底是什么?
](
16.md
)
+
[
使用 TensorBoard 可视化模型,数据和训练
](
17.md
)
+
[
图片/视频
](
18.md
)
+
[
`torchvision`对象检测微调教程
](
19.md
)
+
[
计算机视觉的迁移学习教程
](
20.md
)
+
[
对抗示例生成
](
21.md
)
+
[
DCGAN 教程
](
22.md
)
+
[
`torchvision`对象检测微调教程
](
19.md
)
+
[
计算机视觉的迁移学习教程
](
20.md
)
+
[
对抗示例生成
](
21.md
)
+
[
DCGAN 教程
](
22.md
)
+
[
音频
](
23.md
)
+
[
音频 I/O 和`torchaudio`的预处理
](
24.md
)
+
[
使用`torchaudio`的语音命令识别
](
25.md
)
+
[
音频 I/O 和`torchaudio`的预处理
](
24.md
)
+
[
使用`torchaudio`的语音命令识别
](
25.md
)
+
[
文本
](
26.md
)
+
[
使用`nn.Transformer`和`torchtext`的序列到序列建模
](
27.md
)
+
[
从零开始的 NLP:使用字符级 RNN 分类名称
](
28.md
)
+
[
从零开始的 NLP:使用字符级 RNN 生成名称
](
29.md
)
+
[
从零开始的 NLP:使用序列到序列网络的翻译和注意力
](
30.md
)
+
[
使用`torchtext`的文本分类
](
31.md
)
+
[
`torchtext`语言翻译
](
32.md
)
+
[
使用`nn.Transformer`和`torchtext`的序列到序列建模
](
27.md
)
+
[
从零开始的 NLP:使用字符级 RNN 分类名称
](
28.md
)
+
[
从零开始的 NLP:使用字符级 RNN 生成名称
](
29.md
)
+
[
从零开始的 NLP:使用序列到序列网络和注意力的翻译
](
30.md
)
+
[
使用`torchtext`的文本分类
](
31.md
)
+
[
`torchtext`语言翻译
](
32.md
)
+
[
强化学习
](
33.md
)
+
[
强化学习(DQN)教程
](
34.md
)
+
[
训练玩马里奥的 RL 智能体
](
35.md
)
+
[
强化学习(DQN)教程
](
34.md
)
+
[
训练玩马里奥的 RL 智能体
](
35.md
)
+
[
在生产中部署 PyTorch 模型
](
36.md
)
+
[
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
](
37.md
)
+
[
TorchScript 简介
](
38.md
)
+
[
在 C++ 中加载 TorchScript 模型
](
39.md
)
+
[
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它(可选)
](
40.md
)
+
[
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
](
37.md
)
+
[
TorchScript 简介
](
38.md
)
+
[
在 C++ 中加载 TorchScript 模型
](
39.md
)
+
[
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它(可选)
](
40.md
)
+
[
前端 API
](
41.md
)
+
[
PyTorch 中的命名张量简介(原型)
](
42.md
)
+
[
PyTorch 中通道在最后的内存格式(beta)
](
43.md
)
+
[
使用 PyTorch C++ 前端
](
44.md
)
+
[
自定义 C++ 和 CUDA 扩展
](
45.md
)
+
[
使用自定义 C++ 运算符扩展 TorchScript
](
46.md
)
+
[
使用自定义 C++ 类扩展 TorchScript
](
47.md
)
+
[
TorchScript 中的动态并行性
](
48.md
)
+
[
C++ 前端中的 Autograd
](
49.md
)
+
[
在 C++ 中注册调度运算符
](
50.md
)
+
[
PyTorch 中的命名张量简介(原型)
](
42.md
)
+
[
PyTorch 中通道在最后的内存格式(beta)
](
43.md
)
+
[
使用 PyTorch C++ 前端
](
44.md
)
+
[
自定义 C++ 和 CUDA 扩展
](
45.md
)
+
[
使用自定义 C++ 运算符扩展 TorchScript
](
46.md
)
+
[
使用自定义 C++ 类扩展 TorchScript
](
47.md
)
+
[
TorchScript 中的动态并行性
](
48.md
)
+
[
C++ 前端中的 Autograd
](
49.md
)
+
[
在 C++ 中注册调度运算符
](
50.md
)
+
[
模型优化
](
51.md
)
+
[
分析您的 PyTorch 模块
](
52.md
)
+
[
使用 Ray Tune 的超参数调整
](
53.md
)
+
[
模型剪裁教程
](
54.md
)
+
[
LSTM 单词语言模型上的动态量化(beta)
](
55.md
)
+
[
BERT 上的动态量化(Beta)
](
56.md
)
+
[
PyTorch 中使用 Eager 模式的静态量化(beta)
](
57.md
)
+
[
计算机视觉的量化迁移学习教程(beta)
](
58.md
)
+
[
分析您的 PyTorch 模块
](
52.md
)
+
[
使用 Ray Tune 的超参数调整
](
53.md
)
+
[
模型剪裁教程
](
54.md
)
+
[
LSTM 单词语言模型上的动态量化(beta)
](
55.md
)
+
[
BERT 上的动态量化(Beta)
](
56.md
)
+
[
PyTorch 中使用 Eager 模式的静态量化(beta)
](
57.md
)
+
[
计算机视觉的量化迁移学习教程(beta)
](
58.md
)
+
[
并行和分布式训练
](
59.md
)
+
[
PyTorch 分布式概述
](
60.md
)
+
[
单机模型并行最佳实践
](
61.md
)
+
[
分布式数据并行入门
](
62.md
)
+
[
用 PyTorch 编写分布式应用
](
63.md
)
+
[
分布式 RPC 框架入门
](
64.md
)
+
[
使用分布式 RPC 框架实现参数服务器
](
65.md
)
+
[
使用 RPC 的分布式管道并行化
](
66.md
)
+
[
使用异步执行实现批量 RPC 处理
](
67.md
)
+
[
将分布式`DataParallel`与分布式 RPC 框架相结合
](
68.md
)
+
[
PyTorch 中文官方教程 1.7
](
README.md
)
\ No newline at end of file
+
[
PyTorch 分布式概述
](
60.md
)
+
[
单机模型并行最佳实践
](
61.md
)
+
[
分布式数据并行入门
](
62.md
)
+
[
用 PyTorch 编写分布式应用
](
63.md
)
+
[
分布式 RPC 框架入门
](
64.md
)
+
[
使用分布式 RPC 框架实现参数服务器
](
65.md
)
+
[
使用 RPC 的分布式管道并行化
](
66.md
)
+
[
使用异步执行实现批量 RPC 处理
](
67.md
)
+
[
将分布式`DataParallel`与分布式 RPC 框架相结合
](
68.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