This repository provides tutorial code for deep learning researchers to learn PyTorch. In the tutorial, most of the models were implemented with less than 30 lines of code. Before starting this tutorial, it is recommended to finish Official Pytorch Tutorial.
Table of Contents
1. Basics
2. Intermediate
- Convolutional Neural Network
- Deep Residual Network
- Recurrent Neural Network
- Bidirectional Recurrent Neural Network
- Language Model (RNN-LM)
3. Advanced
- Generative Adversarial Networks
- Variational Auto-Encoder
- Neural Style Transfer
- Image Captioning (CNN-RNN)
4. Utilities
Getting Started
$ git clone https://github.com/yunjey/pytorch-tutorial.git
$ cd pytorch-tutorial/tutorials/PATH_TO_PROJECT
$ python main.py
Dependencies
-
Show, Attend, and Tell | a PyTorch Tutorial to Image Captioning代码调试（跑通） 前言 Show, Attend, and Tell是一个使用图像生成描述性字幕的模型。该模型通过注意力机制
-
PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架，提供两个高级功能： 强大的 GPU 加速 Tensor 计算（类似 numpy） 构建基于 tape 的自动升级系统上的深度神经网络 你可以重用你喜欢的 python 包，如 numpy、scipy 和 Cython ，在需要时扩展 PyTorch。 在粒度级别上，PyTorch 是一个由以下组件组成的库： 通常使
-
Torch Geometry 是基于 PyTorch 的计算机视觉库，用于解决通用计算机几何数学问题。该库基于 PyTorch ，用于提高定义反向模式自动微分（reverse-mode auto-differentiation）和计算复杂函数梯度。
-
Pytorch Cheatsheet For more updated examples, see: Pytorch Kaggle Starter.
-
English Version 这是书籍《深度学习框架PyTorch：入门与实践》的对应代码，但是也可以作为一个独立的PyTorch入门指南和教程。 更新说明 Working on migration to Pytorch 1.0, stay tuned! 当前版本的代码是基于pytorch 1.0.1， 如果想使用旧版的 请 git checkout v0.4 或者 git checkout v
-
ABSA-PyTorch 是一个基于方面的情感分析，使用 PyTorch 实现。 要求 pytorch >= 0.4.0 numpy >= 1.13.3 sklearn python 3.6 / 3.7 transformers 要安装要求内容，请运行pip install -r requirements.txt. 对于非基于 BERT 的模型， 需要 GloVe 预训练的词向量，更多细节请参考
-
Animegan2-pytorch 是 AnimeGANv2 的 PyTorch 实现，可用于将风景、人像等素材照片或视频转化为动漫风格。 基本用法： 从原始存储库进行权重转换（需要 TensorFlow 1.x） git clone https://github.com/TachibanaYoshino/AnimeGANv2python convert_weights.py 推理 python