1. 推荐
PyTorch 是一个深度学习框架，旨在实现简单灵活的实验。自 2017 年初首次推出，PyTorch 很快成为 AI 研究人员的热门选择并受到推崇。PyTorch 现在是 GitHub 上增长速度第二快的开源项目，在过去的 12 个月里，贡献者增加了 2.8 倍。而且，去年 12 月在 NeurIPS 大会上，PyTorch 1.0 稳定版终于发布。PyTorch 1.0 增加了一系列强大的新功能，大有赶超深度学习框架老大哥 TensorFlow 之势。
其中PyTorch 有许多优势，如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。由于其灵活、动态的编程环境和用户友好的界面，PyTorch 深受大家喜爱！
今天我们强烈推荐一本中文 PyTorch 书籍 ——PyTorch 中文手册 （pytorch handbook）。这是一本开源的书籍，目标是帮助那些希望和使用 PyTorch 进行深度学习开发和研究的朋友快速入门，其中包含的 Pytorch 教程全部通过测试保证可以成功运行。
2. 书籍介绍
这是一本开源的书籍，目标是帮助那些希望和使用 PyTorch 进行深度学习开发和研究的朋友快速入门。
由于本人水平有限，在写此教程的时候参考了一些网上的资料，在这里对他们表示敬意，我会在每个引用中附上原文地址，方便大家参考。
深度学习的技术在飞速的发展，同时 PyTorch 也在不断更新，且本人会逐步完善相关内容。
3. 版本说明
由于 PyTorch 版本更迭，教程的版本会与 PyTorch 版本，保持一致。
12 月 8 日 PyTorch 已经发布 1.0 的稳定版。 API 的改动不是很大，本教程已经通过测试，保证能够在 1.0 中正常运行。 不过目前看影响不大，因为毕竟内容还不多。 v0.4.1 已经新建了分支作为存档，并且该不会再进行更新了。
4. 目录
这本《PyTorch 中文手册》总共包含 6 章内容。详细目录如下：
第一章： pytorch 入门
1. Pytorch 简介
2. Pytorch 环境搭建
3. PyTorch 深度学习：60 分钟快速入门 （官方）
- 张量
- Autograd: 自动求导
- 神经网络
- 训练一个分类器
- 选读：数据并行处理 (多 GPU)
4. 相关资源介绍
第二章 基础
第一节 PyTorch 基础
- 张量
- 自动求导
- 神经网络包 nn 和优化器 optm
- 数据的加载和预处理
第二节 深度学习基础及数学原理
- 深度学习基础及数学原理
第三节 神经网络简介
- 神经网络简介
第四节 卷积神经网络
- 卷积神经网络
第五节 循环神经网络
- 循环神经网络
第三章 实践
第一节 logistic 回归二元分类
- logistic 回归二元分类
第二节 CNN:MNIST 数据集手写数字识别
- CNN:MNIST 数据集手写数字识别
第三节 RNN 实例：通过 Sin 预测 Cos
- RNN 实例：通过 Sin 预测 Cos
第四章 提高
第一节 Fine-tuning
Fine-tuning
第二节 可视化
visdom
tensorboardx
第三节 fastai
第四节 数据处理技巧
第五节 并行计算
第五章 应用
第一节 Kaggle 介绍
第二节 结构化数据
第三节 计算机视觉
第四节 自然语言处理
第五节 协同过滤
第六章 资源
5. 资源地址
开源地址：
https://github.com/zergtant/pytorch-handbook
6. 其它Pytorch入门资料
其它比较经典的一些Pytorch入门资料也列出：
1、著名的“莫烦”PyTorch系列教程的源码。
https://github.com/MorvanZhou/PyTorch-Tutorial
2、PyTorch官网推荐的由网友提供的60分钟教程，本系列教程的重点在于介绍PyTorch的基本原理，包括自动求导，神经网络，以及误差优化API。
http://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html
3、由网友提供的PyTorch教程，通过一些实例的方式，讲解PyTorch的基本原理。内容涉及Numpy、自动求导、参数优化、权重共享等。
https://github.com/jcjohnson/pytorch-examples.git
市场上相关深度学习框架书籍较少，其实最好的资源就是文档资源，此次由开源作者辛苦翻译，加上上面的入门资料，希望对初学者有帮助！
以下是个人公众号，感兴趣的童鞋可以关注！
