在Mac电脑上配置PyTorch机器学习开发环境

设定你拥有 Apple Silicon Mac(M1、M2、M1 Pro、M1 Max、M1 Ultra)并希望将其设置用于数据科学和机器学习,那么这个仓库可以帮你安装 Homebrew 和 Miniforge3 等各种软件工具,用于安装 PyTorch 等各种数据科学和机器学习工具。还可以让 PyTorch 在 Apple Silicon GPU 上运行,以实现更快的计算。

PyTorch on Apple Silicon | #PyTorch
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,开发了这套《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。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,一共有三个部分。已经上线的是本系列的第一、二部分,后续会不断更新《深入浅出PyTorch》(下),给出更贴合实际应用的实战案例。

深入浅出PyTorch | 在线阅读 | 视频教程 | #机器学习 #PyTorch
#PyTorch 官方前不久发布了一套工具包:PyTorch Live,(github地址)可帮助开发者,快速构建移动端 AI 应用。

项目中配套了入门教程、项目 Demo(图像分类、对象识别)、命令行工具、API 文档等资源,让你可以更快上手开发
S3 Plugin:高性能 #PyTorch #数据集 访问库,可高效访问S3 buckets上的数据集
Getting Things Done with Pytorch

开发者可从该书中学到有关 #PyTorch、神经网络、图像分类、人脸检测、情感分析等基础知识。 #电子书

从书中提供的具体示例,还能进一步了解项目从原型开发到模型部署,最后正式上线生产环境的整个流程
collie_recs:用于准备、训练和评估可扩展深度学习混合推荐系统的 #PyTorch
the-incredible-pytorch 这个项目收录了关于 #PyTorch 的教程、库、项目、视频、书籍等等资源,你可以了解到可视化、量子机器学习、物体识别、神经网络等 50+ 方向知识
20 天内吃掉那只 PyTorch
本书主要基于 #Pytorch 官方文档和函数文档整理编著而成,在篇章结构和范例选取上做了大量优化,对用户更加友好。
书中内容按照难易程度、读者检索习惯和 Pytorch 自身的层次结构设计内容,循序渐进,层次清晰,方便按照功能查找相应范例。

此外,这本书在范例设计上也会尽可能简约化和结构化,增强范例易读性和通用性,大部分代码片段在实践中可即取即用。
PyTorch 资源仓库,包括各种论文、教程、库、视频、书籍等 #pytorch
PyTorch 官方推荐了一份 60 分钟的深度学习指南这是一份非常简洁的学习材料,目标是让学习者了解 #pytorch 的 Tensor 库和神经网络,以及如何训练一个可以进行图像分类的神经网络。 #深度学习
 
 
Back to Top