PyTorch 社区的各位，大家好！这是关于 PyTorch 文档的快速更新。
2023 年 11 月，我们成功举办了 PyTorch 文档马拉松，这是一个社区活动，PyTorch 社区成员齐聚一堂，共同改进 PyTorch 文档和教程。本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。我们衷心感谢每一位参与者。
文档马拉松的主要成果是对文档字符串进行了全面的工作。我们的社区贡献者根据提供的任务，细致地审查和改进了文档字符串。
除此之外，我们还新增了三个展示 PyTorch 实际应用的教程。我们尤其感到自豪的是，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 进行全切片图像分类 — 本教程演示了如何使用 PyTorch 深度学习模型和 TIAToolbox 对全切片图像 (WSI) 进行分类。全切片图像是病理学家和研究人员用来在微观层面研究癌症等疾病的人体组织样本图像。
- 基于 PyTorch 构建的 USB 半监督学习 – 本教程介绍了 USB，这是一个基于 PyTorch 的灵活且模块化的半监督学习框架，演示了其在 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 模型作为 Vertex AI 端点部署 – 本教程提供了关于如何使用 Vertex AI（一个完全托管的机器学习平台）简化 PyTorch Stable Diffusion 模型 (v1.5) 部署的分步指南，通过创建自定义 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，并最终将模型部署到端点。
我们计划今年举办更多社区活动，敬请期待！
最后，我们刚刚发布了新的 2.2 PyTorch 文档 和 教程。快来看看吧！
此致，
PyTorch 团队
