Add files via upload

Author: zergtant

PyTorch-Handbook-6.png

@@ -1,148 +1,148 @@
-# PyTorch 中文手册（pytorch handbook）
-![pytorch](https://raw.githubusercontent.com/pytorch/pytorch/master/docs/source/_static/img/pytorch-logo-dark.png)
-
-## 书籍介绍
-这是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门。
-
-由于本人水平有限，在写此教程的时候参考了一些网上的资料，在这里对他们表示敬意，我会在每个引用中附上原文地址，方便大家参考。
-
-深度学习的技术在飞速的发展，同时PyTorch也在不断更新，且本人会逐步完善相关内容。
-
-## 版本说明
-由于PyTorch版本更迭，教程的版本会与PyTorch版本，保持一致。
-
-[pytorch大版本更新的主要变动总结](pytorch-changelog.md)  当前版本 1.7
-
-## QQ 5群 
-
-群号：894059877
-
-扫描二维码
-
-![QR](Pytorch-Handbook-5.png) 
-
-[点击链接加入群聊 『PyTorch Handbook 交流5群』](//jq.qq.com/?_wv=1027&k=HI1gtcVa)
-
-1群(985896536)已满，2群(681980831) 3群(773681699)已满  4群(884017356)已满 
-
-不要再加了
-
-## 新福利
-
-公众账号每日分享干货文章
-![weixin QR](deephub.jpg) 
-
-
-
-## 说明
-
-- 修改错别字请直接提issue或PR
-
-- PR时请注意版本
-
-- 有问题也请直接提issue
-
-感谢
-
-## 目录
-
-### 第一章：PyTorch 入门
-
-1. [PyTorch 简介](chapter1/1.1-pytorch-introduction.md)
-2. [PyTorch 环境搭建](chapter1/1.2-pytorch-installation.md)
-3. [PyTorch 深度学习：60分钟快速入门（官方）](chapter1/1.3-deep-learning-with-pytorch-60-minute-blitz.md)
-    - [张量](chapter1/1_tensor_tutorial.ipynb)
-    - [Autograd：自动求导](chapter1/2_autograd_tutorial.ipynb) 
-    - [神经网络](chapter1/3_neural_networks_tutorial.ipynb)
-    - [训练一个分类器](chapter1/4_cifar10_tutorial.ipynb)
-    - [选读：数据并行处理（多GPU）](chapter1/5_data_parallel_tutorial.ipynb)
-4. [相关资源介绍](chapter1/1.4-pytorch-resource.md)
-
-### 第二章 基础
-#### 第一节 PyTorch 基础
-1. [张量](chapter2/2.1.1.pytorch-basics-tensor.ipynb)
-2. [自动求导](chapter2/2.1.2-pytorch-basics-autograd.ipynb)
-3. [神经网络包nn和优化器optm](chapter2/2.1.3-pytorch-basics-nerual-network.ipynb)
-4. [数据的加载和预处理](chapter2/2.1.4-pytorch-basics-data-loader.ipynb)
-#### 第二节 深度学习基础及数学原理
-
-[深度学习基础及数学原理](chapter2/2.2-deep-learning-basic-mathematics.ipynb)
-
-#### 第三节 神经网络简介
-
-[神经网络简介](chapter2/2.3-deep-learning-neural-network-introduction.ipynb)  注：本章在本地使用微软的Edge打开会崩溃，请使Chrome Firefox打开查看
-
-#### 第四节 卷积神经网络
-
-[卷积神经网络](chapter2/2.4-cnn.ipynb)
-
-#### 第五节 循环神经网络
-
-[循环神经网络](chapter2/2.5-rnn.ipynb)
-
-### 第三章 实践
-#### 第一节 logistic回归二元分类
-
-[logistic回归二元分类](chapter3/3.1-logistic-regression.ipynb)
-
-
-#### 第二节 CNN:MNIST数据集手写数字识别
-
-[CNN:MNIST数据集手写数字识别](chapter3/3.2-mnist.ipynb)
-
-#### 第三节 RNN实例：通过Sin预测Cos
-
-[RNN实例：通过Sin预测Cos](chapter3/3.3-rnn.ipynb)
-
-### 第四章 提高
-#### 第一节 Fine-tuning
-
-[Fine-tuning](chapter4/4.1-fine-tuning.ipynb)
-
-#### 第二节 可视化
-
-[visdom](chapter4/4.2.1-visdom.ipynb)
-
-[tensorboardx](chapter4/4.2.2-tensorboardx.ipynb) 
-
-[可视化理解卷积神经网络](chapter4/4.2.3-cnn-visualizing.ipynb)
-
-#### 第三节 Fast.ai
-[Fast.ai](chapter4/4.3-fastai.ipynb)
-#### 第四节 训练的一些技巧
-
-#### 第五节 多GPU并行训练
-[多GPU并行计算](chapter4/4.5-multiply-gpu-parallel-training.ipynb)
-
-#### 补充翻译文章：在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练
-[在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练](chapter4/distributeddataparallel)
-
-
-### 第五章 应用
-#### 第一节 Kaggle介绍
-[Kaggle介绍](chapter5/5.1-kaggle.md)
-#### 第二节 结构化数据
-[Pytorch处理结构化数据](chapter5/5.2-Structured-Data.ipynb)
-#### 第三节 计算机视觉
-[Fashion MNIST 图像分类](chapter5/5.3-Fashion-MNIST.ipynb)
-#### 第四节 自然语言处理
-#### 第五节 协同过滤
-
-### 第六章 资源
-
-
-### 第七章 附录
-
-[树莓派编译安装 pytorch 1.4](pi/)
-
-transforms的常用操作总结
-
-pytorch的损失函数总结
-
-pytorch的优化器总结
-
-## License
-
-![](https://i.creativecommons.org/l/by-nc-sa/3.0/88x31.png)
-
-[本作品采用知识共享署名-非商业性使用-相同方式共享 3.0  中国大陆许可协议进行许可](http://creativecommons.org/licenses/by-nc-sa/3.0/cn)
+# PyTorch 中文手册（pytorch handbook）
+![pytorch](https://raw.githubusercontent.com/pytorch/pytorch/master/docs/source/_static/img/pytorch-logo-dark.png)
+
+## 书籍介绍
+这是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门。
+
+由于本人水平有限，在写此教程的时候参考了一些网上的资料，在这里对他们表示敬意，我会在每个引用中附上原文地址，方便大家参考。
+
+深度学习的技术在飞速的发展，同时PyTorch也在不断更新，且本人会逐步完善相关内容。
+
+## 版本说明
+由于PyTorch版本更迭，教程的版本会与PyTorch版本，保持一致。
+
+[pytorch大版本更新的主要变动总结](pytorch-changelog.md)  当前版本 1.7
+
+## QQ 6群 
+
+群号：760443051
+
+
+![QR](Pytorch-Handbook-6.png) 
+
+点击链接加入群聊【PyTorch Handbook 交流6群】：https://jq.qq.com/?_wv=1027&k=X4Ro6uWv
+
+
+1群(985896536)已满，2群(681980831) 3群(773681699)已满  4群(884017356)已满  5群(894059877)已满
+
+不要再加了
+
+## 新福利
+
+公众账号每日分享干货文章
+![weixin QR](deephub.jpg) 
+
+
+
+## 说明
+
+- 修改错别字请直接提issue或PR
+
+- PR时请注意版本
+
+- 有问题也请直接提issue
+
+感谢
+
+## 目录
+
+### 第一章：PyTorch 入门
+
+1. [PyTorch 简介](chapter1/1.1-pytorch-introduction.md)
+2. [PyTorch 环境搭建](chapter1/1.2-pytorch-installation.md)
+3. [PyTorch 深度学习：60分钟快速入门（官方）](chapter1/1.3-deep-learning-with-pytorch-60-minute-blitz.md)
+    - [张量](chapter1/1_tensor_tutorial.ipynb)
+    - [Autograd：自动求导](chapter1/2_autograd_tutorial.ipynb) 
+    - [神经网络](chapter1/3_neural_networks_tutorial.ipynb)
+    - [训练一个分类器](chapter1/4_cifar10_tutorial.ipynb)
+    - [选读：数据并行处理（多GPU）](chapter1/5_data_parallel_tutorial.ipynb)
+4. [相关资源介绍](chapter1/1.4-pytorch-resource.md)
+
+### 第二章 基础
+#### 第一节 PyTorch 基础
+1. [张量](chapter2/2.1.1.pytorch-basics-tensor.ipynb)
+2. [自动求导](chapter2/2.1.2-pytorch-basics-autograd.ipynb)
+3. [神经网络包nn和优化器optm](chapter2/2.1.3-pytorch-basics-nerual-network.ipynb)
+4. [数据的加载和预处理](chapter2/2.1.4-pytorch-basics-data-loader.ipynb)
+#### 第二节 深度学习基础及数学原理
+
+[深度学习基础及数学原理](chapter2/2.2-deep-learning-basic-mathematics.ipynb)
+
+#### 第三节 神经网络简介
+
+[神经网络简介](chapter2/2.3-deep-learning-neural-network-introduction.ipynb)  注：本章在本地使用微软的Edge打开会崩溃，请使Chrome Firefox打开查看
+
+#### 第四节 卷积神经网络
+
+[卷积神经网络](chapter2/2.4-cnn.ipynb)
+
+#### 第五节 循环神经网络
+
+[循环神经网络](chapter2/2.5-rnn.ipynb)
+
+### 第三章 实践
+#### 第一节 logistic回归二元分类
+
+[logistic回归二元分类](chapter3/3.1-logistic-regression.ipynb)
+
+
+#### 第二节 CNN:MNIST数据集手写数字识别
+
+[CNN:MNIST数据集手写数字识别](chapter3/3.2-mnist.ipynb)
+
+#### 第三节 RNN实例：通过Sin预测Cos
+
+[RNN实例：通过Sin预测Cos](chapter3/3.3-rnn.ipynb)
+
+### 第四章 提高
+#### 第一节 Fine-tuning
+
+[Fine-tuning](chapter4/4.1-fine-tuning.ipynb)
+
+#### 第二节 可视化
+
+[visdom](chapter4/4.2.1-visdom.ipynb)
+
+[tensorboardx](chapter4/4.2.2-tensorboardx.ipynb) 
+
+[可视化理解卷积神经网络](chapter4/4.2.3-cnn-visualizing.ipynb)
+
+#### 第三节 Fast.ai
+[Fast.ai](chapter4/4.3-fastai.ipynb)
+#### 第四节 训练的一些技巧
+
+#### 第五节 多GPU并行训练
+[多GPU并行计算](chapter4/4.5-multiply-gpu-parallel-training.ipynb)
+
+#### 补充翻译文章：在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练
+[在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练](chapter4/distributeddataparallel)
+
+
+### 第五章 应用
+#### 第一节 Kaggle介绍
+[Kaggle介绍](chapter5/5.1-kaggle.md)
+#### 第二节 结构化数据
+[Pytorch处理结构化数据](chapter5/5.2-Structured-Data.ipynb)
+#### 第三节 计算机视觉
+[Fashion MNIST 图像分类](chapter5/5.3-Fashion-MNIST.ipynb)
+#### 第四节 自然语言处理
+#### 第五节 协同过滤
+
+### 第六章 资源
+
+
+### 第七章 附录
+
+[树莓派编译安装 pytorch 1.4](pi/)
+
+transforms的常用操作总结
+
+pytorch的损失函数总结
+
+pytorch的优化器总结
+
+## License
+
+![](https://i.creativecommons.org/l/by-nc-sa/3.0/88x31.png)
+
+[本作品采用知识共享署名-非商业性使用-相同方式共享 3.0  中国大陆许可协议进行许可](http://creativecommons.org/licenses/by-nc-sa/3.0/cn)