PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。
考虑到PyTorch的学习兼具理论储备和动手训练，两手都要抓两手都要硬的特点，我们开发了《深入浅出PyTorch》课程，期望以组队学习的形式，帮助大家从入门到熟练掌握PyTorch工具，进而实现自己的深度学习算法。
我们的愿景是：通过组队学习，大家能够掌握由浅入深地PyTorch的基本知识和内容，经过自己的动手实践加深操作的熟练度。同时通过项目实战，充分锻炼编程能力，掌握PyTorch进行深度学习的基本流程，提升解决实际问题的能力。
学习的先修要求是，会使用Python编程，了解包括神经网络在内的机器学习算法，勤于动手实践。
《深入浅出PyTorch》是一个系列，这是本系列的第一部分，后续会不断更新《深入浅出PyTorch》（中）、（下）
- 第一章：PyTorch的简介和安装
- PyTorch简介
- PyTorch的安装
- PyTorch相关资源简介
- 第二章：PyTorch基础知识
- 张量及其运算
- 自动求导简介
- 并行计算、CUDA和cuDNN简介
- 第三章：PyTorch的主要组成模块
- 思考：完成一套深度学习流程需要哪些关键环节
- 基本配置
- 数据读入
- 模型构建
- 损失函数
- 优化器
- 训练和评估
- 可视化
- 第四章：PyTorch基础实战
- 基础实战——Fashion-MNIST时装分类
| 成员 | 个人简介 | 个人主页 |
|---|---|---|
| 李嘉骐 | DataWhale成员，清华大学研究生 | https://www.zhihu.com/people/li-jia-qi-16-9/posts |
| 牛志康 | DataWhale成员，西安电子科技大学本科生 | https://www.zhihu.com/people/obeah-82 |
| 刘洋 | Datawhale成员，**科学院数学与系统科学研究所研究生 | https://www.zhihu.com/people/ming-ren-19-34/asks |
| 陈安东 | DataWhale成员，**民族大学研究生 | https://andongblue.github.io/chenandong.github.io/ |
教程贡献情况（已上线课程内容）：
李嘉骐：第三章；第四章；内容整合
刘洋：第二章；第三章模型构建部分
牛志康：第一章；第三章优化器部分
陈安东：第二章并行计算部分；第三章损失函数部分
部分章节直播讲解请观看B站回放（持续更新）：https://www.bilibili.com/video/BV1e341127Lt
-
课程编排： 深入浅出PyTorch分为三个阶段：PyTorch深度学习基础知识、PyTorch进阶操作、PyTorch生态介绍与案例分析。
-
使用方法:
我们的课程内容都以markdown格式或jupyter notebook的形式保存在本仓库内。除了多看加深课程内容的理解外，最重要的还是动手练习、练习、练习
-
组队学习安排（2021年10月）:
学习周期：10天
2021年10月11日正式开始
| 任务信息 | 打卡截止时间 |
|---|---|
| Task01：PyTorch认知和安装（2天） | 截止时间 10月13日03:00 |
| Task02：PyTorch基础知识（3天） | 截止时间 10月16日03:00 |
| Task03：PyTorch深度学习模块（3天） | 截止时间 10月19日03:00 |
| Task04：PyTorch基础实战（2天） | 截止时间 10月21日03:00 |
- 如果有任何想法可以联系我们DataWhale
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent