一， Pytorch???? or TensorFlow2 ????
先說結論:
如果是工程師，應該優先選TensorFlow2.
如果是學生或者研究人員，應該優先選擇Pytorch.
如果時間足夠，最好TensorFlow2和Pytorch都要學習掌握。
理由如下：
1，在工業界最重要的是模型落地，目前國內的大部分互聯網企業只支持TensorFlow模型的在線部署，不支持Pytorch。 並且工業界更加註重的是模型的高可用性，許多時候使用的都是成熟的模型架構，調試需求並不大。
2，研究人員最重要的是快速迭代發表文章，需要嘗試一些較新的模型架構。而Pytorch在易用性上相比TensorFlow2有一些優勢，更加方便調試。 並且在2019年以來在學術界佔領了大半壁江山，能夠找到的相應最新研究成果更多。
3，TensorFlow2和Pytorch實際上整體風格已經非常相似了，學會了其中一個，學習另外一個將比較容易。兩種框架都掌握的話，能夠參考的開源模型案例更多，並且可以方便地在兩種框架之間切換。
本書的TensorFlow鏡像教程：
《30天喫掉那隻TensorFlow2》：https://github.com/lyhue1991/eat_tensorflow2_in_30_days
二，本書????面向讀者 ????
本書假定讀者有一定的機器學習和深度學習基礎，使用過Keras或TensorFlow或Pytorch搭建訓練過簡單的模型。
對於沒有任何機器學習和深度學習基礎的同學，建議在學習本書時同步參考閱讀《Python深度學習》一書的第一部分"深度學習基礎"內容。
《Python深度學習》這本書是Keras之父Francois Chollet所著，該書假定讀者無任何機器學習知識，以Keras爲工具，
使用豐富的範例示範深度學習的最佳實踐，該書通俗易懂，全書沒有一個數學公式，注重培養讀者的深度學習直覺。。
《Python深度學習》一書的第一部分的4個章節內容如下，預計讀者可以在20小時之內學完。
1，什麼是深度學習
2，神經網絡的數學基礎
3，神經網絡入門
4，機器學習基礎
三，本書寫作風格 ????
本書是一本對人類用戶極其友善的Pytorch入門工具書，Don't let me think是本書的最高追求。
本書主要是在參考Pytorch官方文檔和函數doc文檔基礎上整理寫成的。
儘管Pytorch官方文檔已經相當簡明清晰，但本書在篇章結構和範例選取上做了大量的優化，在用戶友好度方面更勝一籌。
本書按照內容難易程度、讀者檢索習慣和Pytorch自身的層次結構設計內容，循序漸進，層次清晰，方便按照功能查找相應範例。
本書在範例設計上儘可能簡約化和結構化，增強範例易讀性和通用性，大部分代碼片段在實踐中可即取即用。
如果說通過學習Pytorch官方文檔掌握Pytorch的難度大概是5，那麼通過本書學習掌握Pytorch的難度應該大概是2.
四，本書學習方案 ⏰
1，學習計劃
本書是作者利用工作之餘大概3個月寫成的，大部分讀者應該在20天可以完全學會。
預計每天花費的學習時間在30分鐘到2個小時之間。
當然，本書也非常適合作爲Pytorch的工具手冊在工程落地時作爲範例庫參考。
點擊學習內容藍色標題即可進入該章節。
| 日期 | 學習內容 | 內容難度 | 預計學習時間 | 更新狀態 |
|---|---|---|---|---|
| 一、Pytorch的建模流程 | ⭐️ | 0hour | ✅ | |
| day1 | 1-1,結構化數據建模流程範例 | ⭐️⭐️⭐️ | 1hour | ✅ |
| day2 | 1-2,圖片數據建模流程範例 | ⭐️⭐️⭐️⭐️ | 2hour | ✅ |
| day3 | 1-3,文本數據建模流程範例 | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
| day4 | 1-4,時間序列數據建模流程範例 | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
| 二、Pytorch的核心概念 | ⭐️ | 0hour | ✅ | |
| day5 | 2-1,張量數據結構 | ⭐️⭐️⭐️⭐️ | 1hour | ✅ |
| day6 | 2-2,自動微分機制 | ⭐️⭐️⭐️ | 1hour | ✅ |
| day7 | 2-3,動態計算圖 | ⭐️⭐️⭐️⭐️⭐️ | 2hour | ✅ |
| 三、Pytorch的層次結構 | ⭐️ | 0hour | ✅ | |
| day8 | 3-1,低階API示範 | ⭐️⭐️⭐️⭐️ | 1hour | |
| day9 | 3-2,中階API示範 | ⭐️⭐️⭐️ | 1hour | |
| day10 | 3-3,高階API示範 | ⭐️⭐️⭐️ | 1hour | |
| 四、Pytorch的低階API | ⭐️ | 0hour | ✅ | |
| day11 | 4-1,張量的結構操作 | ⭐️⭐️⭐️⭐️⭐️ | 2hour | |
| day12 | 4-2,張量的數學運算 | ⭐️⭐️⭐️⭐️ | 1hour | |
| day13 | 4-3,nn.functional和nn.Module.md | ⭐️⭐️⭐️⭐️ | 1hour | |
| 五、Pytorch的中階API | ⭐️ | 0hour | ✅ | |
| day14 | 5-1,Dataset和DataLoader | ⭐️⭐️⭐️⭐️⭐️ | 2hour | |
| day15 | 5-2,模型層 | ⭐️⭐️⭐️ | 1hour | |
| day16 | 5-3,損失函數 | ⭐️⭐️⭐️ | 1hour | |
| day17 | 5-4,TensorBoard可視化 | ⭐️⭐️⭐️ | 1hour | |
| 六、Pytorch的高階API | ⭐️ | 0hour | ✅ | |
| day18 | 6-1,構建模型的3種方法 | ⭐️⭐️⭐️⭐️ | 1hour | |
| day19 | 6-2,訓練模型的3種方法 | ⭐️⭐️⭐️⭐️ | 1hour | |
| day20 | 6-3,使用GPU訓練模型 | ⭐️⭐️⭐️⭐️ | 1hour |
2，學習環境
本書全部源碼在jupyter中編寫測試通過，建議通過git克隆到本地，並在jupyter中交互式運行學習。
爲了直接能夠在jupyter中打開markdown文件，建議安裝jupytext，將markdown轉換成ipynb文件。
#克隆本書源碼到本地,使用碼雲鏡像倉庫國內下載速度更快
#!git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days
#建議在jupyter notebook 上安裝jupytext，以便能夠將本書各章節markdown文件視作ipynb文件運行
#!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U jupytext
#建議在jupyter notebook 上安裝最新版本pytorch 測試本書中的代碼
#!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U torch torchvision torchtext torchkeras
import torch
from torch import nn
print("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: 1.5.0
[[2,1]]@[[-1],[2]] = 0五，鼓勵和聯繫作者 ????????
如果本書對你有所幫助，想鼓勵一下作者，記得給本項目加一顆星星star⭐️，並分享給你的朋友們喔????!
關注雲哥公衆號
並在後臺回覆關鍵字：pytorch
獲取項目github地址