简介
目前研究人员正在使用的深度学习框架不尽相同，有 TensorFlow 、PyTorch、Keras等。这些深度学习框架被应用于计算机视觉、语音识别、自然语言处理与生物信息学等领域，并获取了极好的效果。其中，PyTorch是当前难得的简洁优雅且高效快速的框架，当前开源的框架中，没有哪一个框架能够在灵活性、易用性、速度这三个方面有两个能同时超过PyTorch。
本文档的定位是 PyTorch 入门教程，主要针对想要学习PyTorch的学生群体或者深度学习爱好者。通过教程的学习，能够实现零基础想要了解和学习深度学习，降低自学的难度，快速学习PyTorch。
官方教程包含了 PyTorch 介绍，安装教程；60分钟快速入门教程，可以迅速从小白阶段完成一个分类器模型；计算机视觉常用模型，方便基于自己的数据进行调整，不再需要从头开始写；自然语言处理模型，聊天机器人，文本生成等生动有趣的项目。
总而言之：
- 如果你想了解一下 PyTorch，可以看介绍部分。
- 如果你想快速入门 PyTorch，可以看60分钟快速入门。
- 如果你想解决计算机视觉问题，可以看计算机视觉部分。
- 如果你想解决自然语言处理问题，可以看NLP 部分。
- 还有强化学习和生成对抗网络部分内容。
作者：磐创AI PyTorch 翻译小组: News & PanChuang
原文：https://pytorch.org/tutorials/
目录
第一章：PyTorch之简介与下载
1.PyTorch简介
2.PyTorch环境搭建
第二章：PyTorch之60min入门
1.PyTorch 入门
2.PyTorch 自动微分
3.PyTorch 神经网络
4.PyTorch 图像分类器
5.PyTorch 数据并行处理
第三章：PyTorch之入门强化
1.数据加载和处理
2.PyTorch小试牛刀
3.迁移学习
4.混合前端的seq2seq模型部署
5.保存和加载模型
第四章：PyTorch之图像篇
1.微调基于torchvision 0.3的目标检测模型
2.微调TorchVision模型
3.空间变换器网络
4.使用PyTorch进行Neural-Transfer
5.生成对抗示例
6.使用ONNX将模型转移至Caffe2和移动端
第五章：PyTorch之文本篇
1.聊天机器人教程
2.使用字符级RNN生成名字
3.使用字符级RNN进行名字分类
4.在深度学习和NLP中使用Pytorch
5.使用Sequence2Sequence网络和注意力进行翻译
第六章：PyTorch之生成对抗网络
1.生成对抗网络（Generative Adversarial Networks）
第七章：PyTorch之强化学习
1.强化学习（DQN）
教程推荐
- PyTorch 入门教程
- 磐创AI 聊天机器人，智能客服：
- 磐创教程网站，TensorFlow，Pytorch，Keras：
- 魔图互联 知识图谱推荐系统：
由于译者水平有限，如有疏漏，欢迎提交 PR。