PyTorch 教程更新与改进 – PyTorch

PyTorch.org 为研究人员和开发者提供了文档、安装说明、最新消息、社区项目、教程等。今天，我们推出了可用性和内容改进，包括增加更多类别的教程、用于快速查阅常见主题的新“技巧”格式、使用标签进行排序以及更新了主页。

让我们详细了解一下。

教程主页更新

教程主页现在为开发者提供了清晰的操作。对于新的 PyTorch 用户，有一个易于发现的按钮可以直接将他们带到“60 分钟入门”。旁边还有一个按钮，可以查看所有旨在通过示例快速教授特定功能的“技巧”。

除了现有的左侧导航栏，现在还可以通过多选标签快速筛选教程。例如，如果您想查看所有与“生产”和“量化”相关的教程。您可以选择“生产”和“量化”筛选器，如下图所示。

以下其他资源也可以在教程主页底部找到

PYTORCH 技巧

“技巧”是新的小而实用的示例，旨在教授研究人员和开发者如何使用特定的 PyTorch 功能。一些值得注意的新“技巧”包括

在此处查看完整的“技巧” 。

学习 PYTORCH

本节包含为 PyTorch 新用户设计的教程。根据社区反馈，我们更新了当前的深度学习与 PyTorch：60 分钟入门教程，这是我们最受欢迎的初学者教程之一。完成此教程后，您将能够理解 PyTorch 和神经网络是什么，并能够构建和训练一个简单的图像分类网络。更新包括添加解释以阐明输出含义，并链接回用户可以在文档中阅读更多内容的地方，清理令人困惑的语法错误，以及重构和解释新概念以提高可读性。

在生产环境中部署模型

本节包含为希望将 PyTorch 模型投入生产环境的开发者提供的教程。教程包括

前端 API

PyTorch 提供了许多前端 API 功能，可以帮助开发者更高效地编写、调试和验证模型。本节包含教授这些功能是什么以及如何使用它们的教程。一些值得强调的教程

模型优化

深度学习模型由于其复杂性，通常会消耗大量的内存、功耗和计算资源。本节提供模型优化教程

并行和分布式训练

PyTorch 提供了可以加速研究和生产性能的功能，例如对集体操作的异步执行和可从 Python 和 C++ 访问的点对点通信的原生支持。本节包含并行和分布式训练的教程

进行这些改进只是为社区改善 PyTorch.org 的第一步。请在此处提交您的建议。

祝好，

PyTorch 团队

PyTorch 教程的更新和改进