PyTorch官方教程，现已大幅更新：
提供标签索引，增加主题分类，更加新手友好。
不必再面对一整页教学文章茫然无措，可以想学哪里就精准点哪里了。
网友们纷纷表示：更新得太及时了。
标签索引：哪里不会点哪里
如果你是PyTorch 24K纯萌新，PyTorch官方一如既往地向你推荐他们最受欢迎的教程之一：60分钟入门PyTorch（Start 60-min blitz）。
并且这一次，有了更显眼的入口，保证你绝对不会错过。
而这一次更新的重点，在于快速标签索引。
不再是简单粗暴的CV、NLP、RL这样的分类，而是对教程的主题进行了更细致的划分。
并且，你可以通过选择标签，来精准地找到你想要的教程。
比如，你想看看计算机视觉相关的模型优化教程，选中「Image/Video」、「Model Optimization」这两个标签，就能快速筛选出对应的教学内容。
具体的PyTorch示例、PyTorch中常用API、元素的备忘录，以及教程的GitHub链接，则作为附加资源，单独列在教程板块之后，很容易找到。
当然，除了交互体验上的更新，教程内容方面，PyTorch官方也增加了新的「食用指南」，比如：
- PyTorch数据加载（LOADING DATA IN PYTORCH）
- CAPTUM的模型可解释性（MODEL INTERPRETABILITY USING CAPTUM）
- 如何在PyTorch中使用Tensorboard（HOW TO USE TENSORBOARD WITH PYTORCH）
完整资源清单
最后，总结一下PyTorch官方教程都包括哪些方面的内容。
- PyTorch入门教程：60分钟闪电战
- 图像/视频篇（CV）
TorchVision目标检测微调教程
计算机视觉迁移学习教程
对抗示例生成
DCGAN教程
- 音频篇
torchaudio教程
- 文本篇（NLP）
用nn.Transformer和TorchText实现 Sequence2Sequence 建模
从零开始NLP：使用字符级 RNN 进行名字分类
从零开始NLP：使用字符级 RNN 生成名字
从零开始NLP：使用 Sequence2Sequence 网络和注意力进行翻译
使用TorchText实现文本分类
使用TorchText实现语言翻译
- 强化学习
强化学习教程
- 在生产环境中部署PyTorch模型
使用Flask来部署PyTorch模型
TorchScript简介
在C++中加载TorchScript模型
将模型从PyTorch中导出到ONNX，并使用ONNX RUNTIME运行
- 前端API
PyTorch中的命名张量简介
通道在Pytorch中的最终存储格式
使用PyTorch C++前端
自定义C++和CUDA扩展
使用自定义C++运算符扩展TorchScript
使用自定义C++类扩展TorchScript
C ++前端中的Autograd
- 模型优化
剪枝教程
LSTM Word语言模型上的动态量化
BERT上的动态量化
在PyTorch中使用Eager模式进行静态量化
计算机视觉的量化迁移学习教程
- 并行和分布式训练
单机模型并行最佳实践
分布式数据并行入门
用PyTorch编写分布式应用程序
分布式RPC框架入门
（进阶）Amazon AWS的PyTorch 1.0分布式训练
使用分布式RPC框架实现参数服务器
传送门
PyTorch官方教程：https://pytorch.org/tutorials/
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
“
