PyTorch版《动手学深度学习》开源了,最美DL书遇上超赞DL框架
李沐等人的开源中文书《动手学深度学习》现在有 PyTorch 版实现了。不论是原书中的示例代码,还是实战项目,原来的 MXNet 都可以无缝转化到 PyTorch 代码。项目作者在保持原书内容基本不变的情况下,将 MXNet 代码都转换为了 PyTorch,想要学习 DL 和 PyTorch 的小伙伴们可以试试啊。
![]() 近年来,不论是计算机专业的学生,还是已在科技互联网行业从业多年的技术人员和其他从业者,人们对深度学习的兴趣从未如此高涨。但是,由于语言等因素,中文版本的优秀深度学习教材也是凤毛麟角。 之前,亚马逊首席科学家李沐等人曾以电子版的形式在 GitHub 上开源了一本深度学习中文书籍——《动手学深度学习》,这是一本深度学习的入门教程类书籍。其英文版被 UC 伯克利「深度学习导论(STAT 157)」课程采用,2019 年李沐等在教授深度学习课程时也使用了这本教程。
目前,该项目在 GitHub 上已获得超过 1.1 万星,并且中文版电子书还发布了纸质版书籍。不过虽然书籍非常优秀,但还是有一些读者不太习惯用 Gluon 来写代码,毕竟开源项目大部分都是 TF 或 PyTorch 写的。现在好了,我们可以直接结合书籍内容和 PyTorch 框架,更深入地理解 DL。 项目怎么样 项目作者表示,该仓库主要包含 code 和 docs 两个文件夹。其中 code 文件夹就是每章相关 jupyter notebook 代码(基于 PyTorch);docs 文件夹就是 markdown 格式的《动手学深度学习》书中的相关内容,它也是基于 PyTorch 的。 由于原书内容使用的是 MXNet 框架,所以 docs 内容可能与原书略有不同,但是整体内容是一样的。如下所示为 docs 目录下的文档,它一共包含十章,大部分内容已经非常完整了,即 1-8 章和第 10 章,只有第 9 章计算机视觉还在继续补全中。 ![]() 其实新项目的内容结构与组织方式和原书是一样的,上面展示的 docs 目录主要可以分为三部分:基础知识(1-3 章)、现代深度学习技术(4-6 章)、计算性能与应用(7-10)。如下所示为全书不同章节的主题与依赖关系,箭头表示上一章有助于理解下一章。 ![]() 除了内容,另一大部分就是实战代码了,随书代码基本都转化为了 PyTorch,它如同原书一样也是用 Jupyter Notebook 写的,这样更好地展示代码与文字解释。因为 GitHub 加载 Jupyter Notebook 挺慢的,所以最好还是下到本地查阅。 ![]() 最后,《动手学深度学习》与 PyTorch 也是非常好的搭档,也就是说我们不需要任何机器学习或深度学习背景知识,只需要了解基本数学与 Python 编程就可以了。 从 MXNet 到 PyTorch 这样看起来可能不太直观,我们可以通过两个案例看看原版《动手学深度学习》随书代码和 PyTorch 版之间的区别。如果我们抽取使用循环神经网络构建语言模型的分布代码,就能看看原版 Gluon 和新版 PyTorch 之间的区别。 如下是原书采用 RNN 建模语言模型的部分代码(原书 6.5 章),我们主要抽取了模型定义部分: ![]() 如上可以改写为对应的 PyTorch 代码,它们的风格虽然都非常简洁,但还是有一些不同的。 ![]()
(编辑:大同站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |