向 PyTorch 社区致以问候！这里是关于 PyTorch 文档的快速更新。
2023 年 11 月，我们成功举办了PyTorch Docathon，这是一个社区活动，PyTorch 社区成员聚集在一起改进 PyTorch 文档和教程。此次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。我们向所有参与者表示衷心感谢。
Docathon 的一项主要成就是对 docstrings 进行的全面工作。我们的社区贡献者根据提供的任务一丝不苟地审阅和改进了 docstrings。
此外，我们还新增了三个展示 PyTorch 实际应用的教程。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。
以下是供您探索的新教程
- 使用 PyTorch 和 TIAToolbox 进行全玻片图像分类 — 本教程演示如何使用 PyTorch 深度学习模型和 TIAToolbox 对全玻片图像 (WSIs) 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 构建的灵活且模块化的半监督学习框架，展示了它在使用预训练 ViT 在 CIFAR-10 上训练 FreeMatch/SoftMatch 模型时的易用性，以及它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 Endpoint – 本教程提供了分步指南，演示如何使用 Vertex AI（一个完全托管的机器学习平台）来简化 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、将模型文件上传到 Google Cloud Storage、使用模型文件和预构建的 PyTorch 容器镜像创建 Vertex AI 模型，最后将模型部署到 endpoint 上。
我们今年正在计划更多社区活动，敬请关注！
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
