PyTorch官方教程大更新：增加標(biāo)簽索引，更加新手友好
本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。
PyTorch官方教程，現(xiàn)已大幅更新：
提供標(biāo)簽索引，增加主題分類，更加新手友好。
不必再面對一整頁教學(xué)文章茫然無措，可以想學(xué)哪里就精準(zhǔn)點(diǎn)哪里了。
網(wǎng)友們紛紛表示：更新得太及時了。
標(biāo)簽索引：哪里不會點(diǎn)哪里
如果你是PyTorch 24K純萌新，PyTorch官方一如既往地向你推薦他們最受歡迎的教程之一：60分鐘入門PyTorch（Start 60-min blitz）。
并且這一次，有了更顯眼的入口，保證你絕對不會錯過。
而這一次更新的重點(diǎn)，在于快速標(biāo)簽索引。
不再是簡單粗暴的CV、NLP、RL這樣的分類，而是對教程的主題進(jìn)行了更細(xì)致的劃分。
并且，你可以通過選擇標(biāo)簽，來精準(zhǔn)地找到你想要的教程。
比如，你想看看計(jì)算機(jī)視覺相關(guān)的模型優(yōu)化教程，選中「Image/Video」、「Model Optimization」這兩個標(biāo)簽，就能快速篩選出對應(yīng)的教學(xué)內(nèi)容。
具體的PyTorch示例、PyTorch中常用API、元素的備忘錄，以及教程的GitHub鏈接，則作為附加資源，單獨(dú)列在教程板塊之后，很容易找到。
當(dāng)然，除了交互體驗(yàn)上的更新，教程內(nèi)容方面，PyTorch官方也增加了新的「食用指南」，比如：
- PyTorch數(shù)據(jù)加載（LOADING DATA IN PYTORCH）
- CAPTUM的模型可解釋性（MODEL INTERPRETABILITY USING CAPTUM）
- 如何在PyTorch中使用Tensorboard（HOW TO USE TENSORBOARD WITH PYTORCH）
完整資源清單
最后，總結(jié)一下PyTorch官方教程都包括哪些方面的內(nèi)容。
- PyTorch入門教程：60分鐘閃電戰(zhàn)
- 圖像/視頻篇（CV）
TorchVision目標(biāo)檢測微調(diào)教程
計(jì)算機(jī)視覺遷移學(xué)習(xí)教程
對抗示例生成
DCGAN教程
- 音頻篇
torchaudio教程
- 文本篇（NLP）
用nn.Transformer和TorchText實(shí)現(xiàn) Sequence2Sequence 建模
從零開始NLP：使用字符級 RNN 進(jìn)行名字分類
從零開始NLP：使用字符級 RNN 生成名字
從零開始NLP：使用 Sequence2Sequence 網(wǎng)絡(luò)和注意力進(jìn)行翻譯
使用TorchText實(shí)現(xiàn)文本分類
使用TorchText實(shí)現(xiàn)語言翻譯
- 強(qiáng)化學(xué)習(xí)
強(qiáng)化學(xué)習(xí)教程
- 在生產(chǎn)環(huán)境中部署PyTorch模型
使用Flask來部署PyTorch模型
TorchScript簡介
在C++中加載TorchScript模型
將模型從PyTorch中導(dǎo)出到ONNX，并使用ONNX RUNTIME運(yùn)行
- 前端API
PyTorch中的命名張量簡介
通道在Pytorch中的最終存儲格式
使用PyTorch C++前端
自定義C++和CUDA擴(kuò)展
使用自定義C++運(yùn)算符擴(kuò)展TorchScript
使用自定義C++類擴(kuò)展TorchScript
C ++前端中的Autograd
- 模型優(yōu)化
剪枝教程
LSTM Word語言模型上的動態(tài)量化
BERT上的動態(tài)量化
在PyTorch中使用Eager模式進(jìn)行靜態(tài)量化
計(jì)算機(jī)視覺的量化遷移學(xué)習(xí)教程
- 并行和分布式訓(xùn)練
單機(jī)模型并行最佳實(shí)踐
分布式數(shù)據(jù)并行入門
用PyTorch編寫分布式應(yīng)用程序
分布式RPC框架入門
（進(jìn)階）Amazon AWS的PyTorch 1.0分布式訓(xùn)練
使用分布式RPC框架實(shí)現(xiàn)參數(shù)服務(wù)器
傳送門
PyTorch官方教程：https://pytorch.org/tutorials/
