Question

可以看出本教程可以分为两部分：

基础部分（前五章）讲解 PyTorch 内容，这部份介绍了 PyTorch 中主要的的模块，和深度学习中常用的一些工具。对于这部分内容，这里利用 Jupyter Notebook 作为教学工具，读者可以结合 notebook 修改运行，反复实验。

• 第二章介绍如何安装 PyTorch 和配置学习环境。同时提供了一个快速入门教程，基于官方的教程简化并更新内容，读者可以花费大约 1 到 2 小时的时间快速完成入门任务，而后根据需求再选择深入阅读后续相关章节的内容。
• 第三章介绍了 PyTorch 中多维数组 Tensor 和动态图 autograd/Variable 的使用，并配以例子，让读者分别使用 Tensor 和 autograd 实现线性回归，比较二者的不同点。除了介绍这二者的基础使用之外，本章还对 Tensor 的底层设计，以及 autograd 的计算图原理进行比较深入分析，希望能使得读者能对这些底层知识有更全面的掌握。
• 第四章介绍了 PyTorch 中神经网络模块 nn 的基础用法，同时讲解了神经网络中“层”，“损失函数”，“优化器”等，最后带领读者用不到 50 行的代码搭建出曾夺得 ImageNet 冠军的 ResNet。
• 第五章介绍了 PyTorch 中数据加载，GPU 加速，持久化和可视化等相关工具。

实战部分（第六到十章）利用 PyTorch 实现了几个酷炫有趣的应用，对于这部分的内容，本仓库给出完整的实现代码，并提供预训练好的模型作为 demo，供读者测试。

• 第六章是承上启下的一章，这一章的目标不是教会读者新函数，新知识，而是结合 Kaggle 中一个经典的比赛，实现一个深度学习中比较简单的图像二分类问题。在实现过程中，带领读者复习前五章的知识，并提出代码规范以合理的组织程序，代码，使得程序更加可读，可维护。第六章还介绍了在 PyTorch 中如何进行 debug。
• 第七章为读者讲解了当前最火爆的生成对抗网络（GAN），带领读者从头实现一个动漫头像生成器，能够利用 GAN 生成风格多变的动漫头像。
• 第八章为读者讲解了风格迁移的相关知识，并带领读者实现风格迁移网络，将自己的照片变成高大上的名画。
• 第九章为读者讲解了一些自然语言处理的基础知识，并讲解了 CharRNN 的原理。而后利用收集了几万首唐诗，训练出了一个可以自动写诗歌的小程序。这个小程序可以控制生成诗歌的格式，意境，还能生成藏头诗。
• 第十章为读者介绍了图像描述任务，并以最新的 AI Challenger 比赛的数据为例，带领读者实现了一个可以进行简单图像描述的的小程序。
• 第十一章（新增，实验性） 由 Diamondfan 编写的语音识别。完善了本项目（本项目已囊括图像，文本，语音三大领域的例子）。

代码说明

• 教程代码同时在 Python2 和 Python3 下测试通过
• 实战部分代码还同时在 GPU 和 CPU 环境下测试通过
• ~~所有的代码都是基于最新版的 PyTorch 0.2.0~~，本人承诺会至少维护代码更新兼容到 PyTorch 0.4

目前前五章的代码已经更新到 PyTorch 0.3.0 , 如果你想在 PyTorch 0.2.0 下运行,请

git checkout v0.2

如果有任何不当，或者有待改进的地方，欢迎读者开 issue 讨论，或者提交 pull request。

环境配置

1. 安装 PyTorch ，请从官网选择指定的版本安装即可，一键安装（即使你使用 anaconda，也建议使用 pip）。更多的安装方式请参阅书中说明。
2. 克隆仓库

   git clone https://github.com/chenyuntc/PyTorch-book.git

3. 安装第三方依赖包

   cd pytorch-book && pip install -r requirements.txt

Visdom 打不开及其解决方案

新版的 visdom 已经解决了这个问题,只需要升级即可

pip install --upgrade visdom

之前的 解决方案 不再需要，已删除。