PyTorch 社区的各位朋友们，大家好！这里是 PyTorch 文档的最新进展。
2023 年 11 月，我们成功举办了 PyTorch 文档马拉松，这是一项社区活动，PyTorch 社区成员齐聚一堂，共同改进 PyTorch 文档和教程。这项活动吸引了全球贡献者的参与，他们投入时间和精力来改进我们的文档。我们向所有参与者致以诚挚的谢意。
文档马拉松的一项主要成就是对 docstring 进行了全面而细致的工作。我们的社区贡献者根据提供的任务，一丝不苟地审查和改进了 docstring。
除此之外，我们还添加了三个新的教程，展示了 PyTorch 的实际应用。我们特别自豪的是，其中两个教程是由 PyTorch 生态系统合作伙伴贡献的。
以下是您可以探索的新教程：
- 使用 PyTorch 和 TIAToolbox 进行全玻片图像分类 — 本教程演示了如何使用 PyTorch 深度学习模型和 TIAToolbox 对全玻片图像 (WSI) 进行分类。全玻片图像是病理学家和研究人员用于在微观层面研究癌症等疾病的人体组织样本图像。
- 使用基于 PyTorch 构建的 USB 进行半监督学习 – 本教程介绍了 USB，一个基于 PyTorch 的灵活模块化半监督学习框架，展示了其在 CIFAR-10 上使用预训练 ViT 训练 FreeMatch/SoftMatch 模型的易用性，以及其对各种算法和不平衡数据集的适应性。
- 将 PyTorch Stable Diffusion 模型部署为 Vertex AI 端点 – 本教程提供了分步指南，说明如何使用 Vertex AI（一个完全托管的机器学习平台）简化 PyTorch Stable Diffusion 模型 (v1.5) 的部署，具体步骤包括：创建自定义 TorchServe 处理程序，将模型工件上传到 Google Cloud Storage，使用模型工件和预构建的 PyTorch 容器镜像创建 Vertex AI 模型，最后将模型部署到端点。
我们今年计划举办更多社区活动，敬请期待！
最后，我们刚刚发布了新的 PyTorch 2.2 文档和 教程。快来看看吧！
此致，
PyTorch 团队