跨境电商新手入门学啥,跨境电商入门教程

  跨境电商新手入门学啥,跨境电商入门教程

  来自并感谢:知乎的高贵黄蜂

  链接:https://www.zhihu.com/question/55720139/answer/147148105

  第一步 github的 教程,尤其是60分钟的介绍。只能说比tensorflow简单多了。在火车上看了一两个小时,感觉基本上手了。除此之外,jcjohnson简单举例介绍Pytorch也不错。

  第二步 example 参考pytorch/examples实现最简单的例子(比如训练mnist)。

  第三步 通读docPyTorch doc,特别是自动签名的机制,以及nn.module、optim等相关内容。现在证件很完善,大部分是作者亲自写,质量很高。

  第四步 论坛讨论PyTorch论坛.论坛非常活跃,质量也很高,pytorch的维护者(作者)及时回复。每天刷帖子可以少走很多弯路,避免很多陷阱,消除很多思维惯性。尤其是看那些阅读量高的帖子。刷帖可以向作者学习如何写出无bug干净优雅的代码。遇到问题可以先搜索一下,一般都能找到解决办法。如果找不到,大胆提问。大家都很热情。

  第五步 阅读源代码叉pytorch,pytorch-vision等。pytorch与其他框架相比,代码量小,抽象层次没有那么多,容易读懂。通过阅读代码,我们可以了解函数和类的机制。除此之外,它的许多功能、模型和模块都像教科书一样经典。也可以关注官方仓库的发布/拉取请求,了解pytorch的开发进度,避免坑。

  你也可以加入slack小组讨论,电子邮件订阅等。

  总之pytorch上手很简单,代码优雅,是我用过最Pythonic的框架。欢迎入坑。

  推销一下我写的教程:chenyuntc/pytorch-book 用notebook写的教程,里面还有很多有趣的例子,比如用GAN生成动漫头像,用CharRNN写唐诗,类Prisma的滤镜(风格迁移)和图像描述等

  -分界线-分界线-分界线

  2.20更新:美化格式,修改语法。本来想补充一些内容,想了想,还是忘了。很多时候,选择太多,却没有选择。以上五个步骤是我自己在学习pytorch时积累的经验,个人认为非常适合入门,足够了。

  1.至于如何根据example实现一个简单的例子,我的做法是仔细看几遍example的实现代码。彻底理解,然后自己从头写,实现同一个模型。如果真的卡住了,写不下来可以看看。但是绝对不能复制粘贴。xlmdzs实现了一个简单的例子(比如tutorial的mnist),基本上对pytorch的主要内容有了一个大概的了解。写的时候会涉及到dataset、nn.module、optim、loss等很多模块。也能加深我的理解。我用pytorch写的第一个模型是DCGAN。寒假在家里的远程实验室服务器上用ipython笔记本写了GitHub-chenyuntc/pytorch-GAN。然后看到了新大作WGAN,在DCGAN上稍微修改了一下,就实现了WGAN,这是我入门最快的一次。

  2.论坛里很多帖子都是你以后可能会遇到的问题,比如

  如何微调如何在py torch中进行微调?

  如何从预训练的网络层提取特征:如何从训练的模型中提取图像的特征

  论坛贴的很少。我觉得原因之一是很多问题不是问题,比如参数如何共享。这个在tensorflow里有专门的章节解释,但是你用pytorch写的时候可能连这个问题都没有意识到——直接用就好了。如何创建具有共享权重的模型?比如模型运行时如何实现条件判断——直接用if。如何查看中间结果?-直接打印。如何修改参数-直接赋值?相比tensorflow,pytorch更接近python。

  3.源代码怎么读:我是这样的。分叉,克隆,然后用vscode打开——大致浏览一下,就知道类和模块的关系了。然后重点阅读一些经典函数的代码,按住ctrl点击被调用的函数跳转到不同的文件中,了解函数调用关系。此外,torch-vision中很多模型的实现也非常简洁,比如ResNet。

  4.其他一些例子:

  50行实现GAN devnag/pytorch pytorch资源合集令人难以置信的PyTorch加强版框架教程侧重NLP spro/实用pytorch利用长短期记忆网络学习梯度下降法等优化方法:ikostrikov/py torch-元优化器:通过梯度下降学习的py火炬实现的官方实现martinarjovsky/WassersteinGAN # # # # # # # # #更新######################

  安利

  @莫烦的PyTorch教程(视频代码)详情见专栏文章等什么,赶快抱紧PyTorch的大腿!

  # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #结束

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: