ApacheCN 活动汇总 2019.6.28

栏目: Python · 发布时间: 6年前

内容简介：认领须知：

公告

欢迎大家在我们平台上投放广告。如果你希望在我们的专栏、文档或邮件中投放广告，请准备好各种尺寸的图片和专属链接，联系咸鱼（QQ 1034616238）。
我们组织了一个开源互助平台，方便开源组织和大 V 互相认识，互相帮助，整合资源。请回复这个帖子并注明组织/个人信息来申请加入。
请回复这个帖子来推荐希望翻译的内容。如果大家遇到了做得不错的教程或翻译项目，也可以推荐给我们。我们会联系项目的维护者，一起把它变得更好。
我们的各个公众平台接受个人学习博文，论文解读，比赛心得等 AI 相关文章投稿，请将文章链接发到这里，我们会每日从所有投稿博文中精选两篇，在 ApacheCN 全平台推送。
为了能够将开源事业做大做强， ApacheCN 需要与公益基金会（IT、教育类）合作，欢迎大家提供帮助。同时我们也接受社会各界的捐助。
如果你不希望再收到我们的邮件，请直接拉黑我们，不要浪费彼此的时间，谢谢合作。

组织任务

ApacheCN 活动汇总 2019.6.28

认领须知：

请私聊片刻（529815144）、咸鱼（1034616238）、或飞龙（562826179）来认领任务，我们会把你拉进合伙人群。
除了列出的翻译项目之外，现有翻译项目不接受新的负责人。如果你打算贡献，请直接提交Pull Request。
如果你的想法没有列出（包括但不仅限于翻译项目），同样欢迎私聊我们。

翻译校对活动

短篇集（校对）

参与方式： https://github.com/apachecn/m...

整体进度： https://github.com/apachecn/m...

项目仓库： https://github.com/apachecn/m...

关于卷积神经网络：认领：2/12，校对：2/12

章节	贡献者	进度
关于卷积神经网络	-	-
1	@daewis	100%
2.1.1-2.1.3	@daewis	100%
2.1.4-2.1.6
2.2.1
2.2.2-2.2.3
2.3-2.4
3.1
3.2
3.3
3.4-3.5
4.1
4.2

写给不耐烦程序员的 JavaScript（校对）

参与方式： https://github.com/apachecn/i...

整体进度： https://github.com/apachecn/i...

项目仓库： https://github.com/apachecn/i...

认领：29/42，校对：27/42

章节	贡献者	进度
1.关于本书（ES2019 版）	@YouWillBe	100%
2.常见问题：本书	@huangzijian888	100%
3. JavaScript 的历史和演变
4.常见问题：JavaScript
5.概览	@kj415j45	100%
6.语法	@lq920320	100%
7.在控制台上打印信息（ `console.*` ）	@lq920320	100%
8.断言 API	@lq920320	100%
9.测验和练习入门	@so-hard	100%
10.变量和赋值	@so-hard	100%
11.值	@lq920320	100%
12.运算符	@wizardforcel	100%
13.非值 `undefined` 和 `null`	@wizardforcel	100%
14.布尔值	@wizardforcel	100%
15.数字	@wizardforcel	100%
16. `Math`	@wizardforcel	100%
17. Unicode - 简要介绍（高级）	@wizardforcel	100%
18.字符串	@wizardforcel	100%
19.使用模板字面值和标记模板	@wizardforcel	100%
20.符号	@wizardforcel	100%
21.控制流语句	@wizardforcel	100%
22.异常处理
23.可调用值
24.模块
25.单个对象
26.原型链和类	@lq920320	100%
27.同步迭代	@lq920320
28.数组（ `Array` ）	@52admln	100%
29.类型化数组：处理二进制数据（高级）
30.映射（ `Map` ）
31. WeakMaps（ `WeakMap` ）
32.集（ `Set` ）
33. WeakSets（ `WeakSet` ）
34.解构	@Kavelaa	100%
35.同步生成器（高级）
36. JavaScript 中的异步编程	@Kavelaa	100%
37.异步编程的 Promise	@iChrisJ	100%
38.异步函数	@iChrisJ	100%
39.正则表达式（ `RegExp` ）	@iChrisJ	100%
40.日期（ `Date` ）	@facebesidewyj	100%
41.创建和解析 JSON（ `JSON` ）	@xdyushenli
42.其余章节在哪里？

seaborn 0.9 中文文档

参与方式： https://github.com/apachecn/s...

整体进度： https://github.com/apachecn/s...

项目仓库： https://github.com/apachecn/s...

认领：58/74，翻译：47/74

序号	章节	译者	进度
1	An introduction to seaborn	@yiran7324	100%
2	Installing and getting started	@neolei	100%
3	Visualizing statistical relationships	@JNJYan	100%
4	Plotting with categorical data	@hold2010	100%
5	Visualizing the distribution of a dataset	@alohahahaha	100%
6	Visualizing linear relationships	@friedhelm739
7	Building structured multi-plot grids	@keyianpai	100%
8	Controlling figure aesthetics	@P3n9W31	100%
9	Choosing color palettes	@Modrisco	100%
10	seaborn.relplot	@Stuming
11	seaborn.scatterplot	@tututwo
12	seaborn.lineplot	@tututwo
13	seaborn.catplot	@LIJIANcoder97	100%
14	seaborn.stripplot	@LIJIANcoder97	100%
15	seaborn.swarmplot	@LIJIANcoder97
16	seaborn.boxplot	@FindNorthStar	100%
17	seaborn.violinplot	@FindNorthStar	100%
18	seaborn.boxenplot	@FindNorthStar	100%
19	seaborn.pointplot	@FindNorthStar	100%
20	seaborn.barplot	@melon-bun
21	seaborn.countplot	@Stuming	100%
22	seaborn.jointplot	@Stuming
23	seaborn.pairplot	@Stuming
24	seaborn.distplot	@hyuuo	100%
25	seaborn.kdeplot	@hyuuo	100%
26	seaborn.rugplot	@P3n9W31	100%
27	seaborn.lmplot	@P3n9W31	100%
28	seaborn.regplot	@P3n9W31	100%
29	seaborn.residplot	@P3n9W31	100%
30	seaborn.heatmap	@hyuuo	100%
31	seaborn.clustermap
32	seaborn.FacetGrid	@hyuuo	100%
33	seaborn.FacetGrid.map	@sfw134	100%
34	seaborn.FacetGrid.map_dataframe	@sfw134	100%
35	seaborn.PairGrid
36	seaborn.PairGrid.map
37	seaborn.PairGrid.map_diag
38	seaborn.PairGrid.map_offdiag
39	seaborn.PairGrid.map_lower
40	seaborn.PairGrid.map_upper
41	seaborn.JointGrid
42	seaborn.JointGrid.plot
43	seaborn.JointGrid.plot_joint
44	seaborn.JointGrid.plot_marginals
45	seaborn.set	@lbllol365
46	seaborn.axes_style	@lbllol365
47	seaborn.set_style	@lbllol365
48	seaborn.plotting_context
49	seaborn.set_context
50	seaborn.set_color_codes
51	seaborn.reset_defaults
52	seaborn.reset_orig
53	seaborn.set_palette	@Modrisco	100%
54	seaborn.color_palette	@Modrisco	100%
55	seaborn.husl_palette	@Modrisco	100%
56	seaborn.hls_palette	@Modrisco	100%
57	seaborn.cubehelix_palette	@Modrisco	100%
58	seaborn.dark_palette	@Modrisco	100%
59	seaborn.light_palette	@Modrisco	100%
60	seaborn.diverging_palette	@Modrisco	100%
61	seaborn.blend_palette	@Modrisco	100%
62	seaborn.xkcd_palette	@Modrisco	100%
63	seaborn.crayon_palette	@Modrisco	100%
64	seaborn.mpl_palette	@Modrisco	100%
65	seaborn.choose_colorbrewer_palette	@Modrisco	100%
66	seaborn.choose_cubehelix_palette	@Modrisco	100%
67	seaborn.choose_light_palette	@Modrisco	100%
68	seaborn.choose_dark_palette	@Modrisco	100%
69	seaborn.choose_diverging_palette	@Modrisco	100%
70	seaborn.load_dataset	@Modrisco	100%
71	seaborn.despine	@Modrisco	100%
72	seaborn.desaturate	@Modrisco	100%
73	seaborn.saturate	@Modrisco	100%
74	seaborn.set_hls_values	@Modrisco	100%

UCB CS61b：Java 中的数据结构

参与方式： https://github.com/apachecn/c...

整体进度： https://github.com/apachecn/c...

项目仓库： https://github.com/apachecn/c...

认领：11/12，翻译：9/12

标题	译者	进度
一、算法复杂度	@leader402	100%
二、抽象数据类型	@Allenyep	100%
三、满足规范	@renyuhuiharrison	100%
四、序列和它们的实现	@biubiubiuboomboomboom	100%
五、树	@biubiubiuboomboomboom	100%
六、搜索树	@yongfengyan	100%
七、哈希	@Abel-Huang	100%
八、排序和选择	@Rachel-Hu	100%
九、平衡搜索	@Abel-Huang
十、并发和同步	@Ruffianjiang	100%
十一、伪随机序列
十二、图	@yuanrw

Git 中文参考（校对）

参与方式： https://github.com/apachecn/g...

整体进度： https://github.com/apachecn/g...

项目仓库： https://github.com/apachecn/g...

认领：10/83，校对：8/83

序号	章节	贡献者	进度
1	git
2	git-config	@honglyua	100%
3	git-help	@honglyua	100%
4	git-init	@honglyua	100%
5	git-clone	@honglyua	100%
6	git-add	@yulezheng	100%
7	git-status	@honglyua	100%
8	git-diff	@honglyua	100%
9	git-commit	@yulezheng
10	git-reset
11	git-rm
12	git-mv
13	git-branch
14	git-checkout
15	git-merge
16	git-mergetool
17	git-log
18	git-stash
19	git-tag
20	git-worktree
21	git-fetch
22	git-pull	@Mrhuangyi	100%
23	git-push	@Mrhuangyi
24	git-remote
25	git-submodule
26	git-show
27	git-log
29	git-shortlog
30	git-describe
31	git-apply
32	git-cherry-pick
34	git-rebase
35	git-revert
36	git-bisect
37	git-blame
38	git-grep
39	gitattributes
40	giteveryday
41	gitglossary
42	githooks
43	gitignore
44	gitmodules
45	gitrevisions
46	gittutorial
47	gitworkflows
48	git-am
50	git-format-patch
51	git-send-email
52	git-request-pull
53	git-svn
54	git-fast-import
55	git-clean
56	git-gc
57	git-fsck
58	git-reflog
59	git-filter-branch
60	git-instaweb
61	git-archive
62	git-bundle
63	git-daemon
64	git-update-server-info
65	git-cat-file
66	git-check-ignore
67	git-checkout-index
68	git-commit-tree
69	git-count-objects
70	git-diff-index
71	git-for-each-ref
72	git-hash-object
73	git-ls-files
74	git-merge-base
75	git-read-tree
76	git-rev-list
77	git-rev-parse
78	git-show-ref
79	git-symbolic-ref
80	git-update-index
81	git-update-ref
82	git-verify-pack
83	git-write-tree

HBase 3.0 中文参考指南（校对）

参与方式： https://github.com/apachecn/h...

整体进度： https://github.com/apachecn/h...

项目仓库： https://github.com/apachecn/h...

认领：18/31，校对：14/31

章节	贡献者	进度
Preface	@xixici	100%
Getting Started	@xixici	100%
Apache HBase Configuration	@xixici	100%
Upgrading	@xixici	100%
The Apache HBase Shell	@xixici	100%
Data Model	@Winchester-Yi
HBase and Schema Design	@RaymondCode	100%
RegionServer Sizing Rules of Thumb
HBase and MapReduce	@BridgetLai	100%
Securing Apache HBase
Architecture	@RaymondCode
In-memory Compaction	@mychaow	100%
Backup and Restore	@mychaow	100%
Synchronous Replication	@mychaow	100%
Apache HBase APIs	@xixici	100%
Apache HBase External APIs	@xixici	100%
Thrift API and Filter Language	@xixici	100%
HBase and Spark	@TsingJyujing	100%
Apache HBase Coprocessors	@TsingJyujing
Apache HBase Performance Tuning
Troubleshooting and Debugging Apache HBase
Apache HBase Case Studies
Apache HBase Operational Management
Building and Developing Apache HBase
Unit Testing HBase Applications
Protobuf in HBase	@TsingJyujing
Procedure Framework (Pv2): HBASE-12439
AMv2 Description for Devs
ZooKeeper
Community
Appendix

UCB Prob140：面向数据科学的概率论

参与方式： https://github.com/apachecn/p...

整体进度： https://github.com/apachecn/p...

项目仓库： https://github.com/apachecn/p...

认领：22/25，翻译：19/25

标题	译者	翻译进度
一、基础	飞龙	100%
二、计算几率	飞龙	100%
三、随机变量	飞龙	100%
四、事件之间的关系	@biubiubiuboomboomboom	100%
五、事件集合		>0%
六、随机计数	@viviwong	100%
七、泊松化	@YAOYI626	100%
八、期望		50%
九、条件（续）	@YAOYI626	100%
十、马尔科夫链	喵十八	100%
十一、马尔科夫链（续）	喵十八	100%
十二、标准差	缺只萨摩	100%
十三、方差和协方差	缺只萨摩	100%
十四、中心极限定理	喵十八	100%
十五、连续分布	@ThunderboltSmile
十六、变换	@hellozhaihy
十七、联合密度	@Winchester-Yi	100%
十八、正态和 Gamma 族	@Winchester-Yi	100%
十九、和的分布	平淡的天	100%
二十、估计方法	平淡的天	100%
二十一、Beta 和二项	@lvzhetx	100%
二十二、预测		50%
二十三、联合正态随机变量	@JUNE951234
二十四、简单线性回归	@ThomasCai	100%
二十五、多元回归	@lanhaixuan	100%

Machine Learning Mastery（校对）

参与方式： https://github.com/apachecn/m...

整体进度： https://github.com/apachecn/m...

项目仓库： https://github.com/apachecn/m...

Keras：认领：0/46，校对：0/46

XGBoost：认领：0/18，校对：0/18

章节	贡献者	进度
深度学习与 Keras	-	-
Keras 中神经网络模型的 5 步生命周期
在 Python 迷你课程中应用深度学习
Keras 深度学习库的二元分类教程
如何用 Keras 构建多层感知器神经网络模型
如何在 Keras 中检查深度学习模型
10 个用于 Amazon Web Services 深度学习的命令行秘籍
机器学习卷积神经网络的速成课程
如何在 Python 中使用 Keras 进行深度学习的度量
深度学习书籍
深度学习课程
你所知道的深度学习是一种谎言
如何设置 Amazon AWS EC2 GPU 以训练 Keras 深度学习模型（分步）
神经网络中批量和迭代之间的区别是什么？
在 Keras 展示深度学习模型训练历史
基于 Keras 的深度学习模型中的dropout正则化
评估 Keras 中深度学习模型的表现
如何评价深度学习模型的技巧
小批量梯度下降的简要介绍以及如何配置批量大小
在 Keras 中获得深度学习帮助的 9 种方法
如何使用 Keras 在 Python 中网格搜索深度学习模型的超参数
用 Keras 在 Python 中使用卷积神经网络进行手写数字识别
如何用 Keras 进行预测
用 Keras 进行深度学习的图像增强
8 个深度学习的鼓舞人心的应用
Python 深度学习库 Keras 简介
Python 深度学习库 TensorFlow 简介
Python 深度学习库 Theano 简介
如何使用 Keras 函数式 API 进行深度学习
Keras 深度学习库的多类分类教程
多层感知器神经网络速成课程
基于卷积神经网络的 Keras 深度学习库中的目标识别
流行的深度学习库
用深度学习预测电影评论的情感
Python 中的 Keras 深度学习库的回归教程
如何使用 Keras 获得可重现的结果
如何在 Linux 服务器上运行深度学习实验
保存并加载您的 Keras 深度学习模型
用 Keras 逐步开发 Python 中的第一个神经网络
用 Keras 理解 Python 中的有状态 LSTM 循环神经网络
在 Python 中使用 Keras 深度学习模型和 Scikit-Learn
如何使用预训练的 VGG 模型对照片中的物体进行分类
在 Python 和 Keras 中对深度学习模型使用学习率调度
如何在 Keras 中可视化深度学习神经网络模型
什么是深度学习？
何时使用 MLP，CNN 和 RNN 神经网络
为什么用随机权重初始化神经网络？
XGBoost	-	-
通过在 Python 中使用 XGBoost 提前停止来避免过度拟合
如何在 Python 中调优 XGBoost 的多线程支持
如何配置梯度提升算法
在 Python 中使用 XGBoost 进行梯度提升的数据准备
如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型
如何在 Python 中使用 XGBoost 评估梯度提升模型
在 Python 中使用 XGBoost 的特征重要性和特征选择
浅谈机器学习的梯度提升算法
应用机器学习的 XGBoost 简介
如何在 macOS 上为 Python 安装 XGBoost
如何在 Python 中使用 XGBoost 保存梯度提升模型
从梯度提升开始，比较 165 个数据集上的 13 种算法
在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升
如何使用 Amazon Web Services 在云中训练 XGBoost 模型
在 Python 中使用 XGBoost 调整梯度提升的学习率
如何在 Python 中使用 XGBoost 调整决策树的数量和大小
如何在 Python 中使用 XGBoost 可视化梯度提升决策树
在 Python 中开始使用 XGBoost 的 7 步迷你课程

Pytorch 1.0 中文文档

参与方式： https://github.com/apachecn/p...

整体进度： https://github.com/apachecn/p...

项目仓库： https://github.com/apachecn/p...

翻译活动：认领：75/76，翻译：70/76

校对活动：认领：16/76，校对：0/76

章节	贡献者	进度	校验者	进度
教程部分	-	-	-	-
Deep Learning with PyTorch: A 60 Minute Blitz	@bat67	100%	@AllenZYJ
What is PyTorch?	@bat67	100%	@AllenZYJ
Autograd: Automatic Differentiation	@bat67	100%	@AllenZYJ
Neural Networks	@bat67	100%	@AllenZYJ
Training a Classifier	@bat67	100%	@AllenZYJ
Optional: Data Parallelism	@bat67	100%
Data Loading and Processing Tutorial	@yportne13	100%
Learning PyTorch with Examples	@bat67	100%	@Smilexuhc
Transfer Learning Tutorial	@jiangzhonglian	100%	@infdahai
Deploying a Seq2Seq Model with the Hybrid Frontend	@cangyunye	100%
Saving and Loading Models	@bruce1408	100%	@luxinfeng
What is torch.nn really?	@lhc741	100%	@luxinfeng
Finetuning Torchvision Models	@ZHHAYO	100%	@luxinfeng
Spatial Transformer Networks Tutorial	@PEGASUS1993	100%	@Smilexuhc
Neural Transfer Using PyTorch	@bdqfork	100%
Adversarial Example Generation	@cangyunye	100%	@infdahai
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX	@PEGASUS1993	100%
Chatbot Tutorial	@a625687551	100%	@enningxie
Generating Names with a Character-Level RNN	@hhxx2015	100%
Classifying Names with a Character-Level RNN	@hhxx2015	100%
Deep Learning for NLP with Pytorch	@bruce1408	100%
Introduction to PyTorch	@guobaoyo	100%
Deep Learning with PyTorch	@bdqfork	100%
Word Embeddings: Encoding Lexical Semantics	@sight007	100%	@Smilexuhc
Sequence Models and Long-Short Term Memory Networks	@ETCartman	100%
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF	@enningxie
Translation with a Sequence to Sequence Network and Attention	@mengfu188	100%
DCGAN Tutorial	@wangshuai9517	100%	@infdahai
Reinforcement Learning (DQN) Tutorial	@friedhelm739	100%	@infdahai
Creating Extensions Using numpy and scipy	@cangyunye	100%
Custom C++ and CUDA Extensions	@P3n9W31
Extending TorchScript with Custom C++ Operators	@sunxia233
Writing Distributed Applications with PyTorch	@firdameng	100%
PyTorch 1.0 Distributed Trainer with Amazon AWS	@yportne13	100%
ONNX Live Tutorial	@PEGASUS1993	100%
Loading a PyTorch Model in C++	@talengu	100%
Using the PyTorch C++ Frontend	@solerji	100%
文档部分	-	-	-	-
Autograd mechanics	@PEGASUS1993	100%
Broadcasting semantics	@PEGASUS1993	100%
CUDA semantics	@jiangzhonglian	100%
Extending PyTorch	@PEGASUS1993	100%
Frequently Asked Questions	@PEGASUS1993	100%
Multiprocessing best practices	@cvley	100%
Reproducibility	@bruce1408
Serialization semantics	@yuange250	100%
Windows FAQ	@PEGASUS1993	100%
torch
torch.Tensor	@hijkzzz	100%
Tensor Attributes	@yuange250	100%
Type Info	@PEGASUS1993	100%
torch.sparse	@hijkzzz	100%
torch.cuda	@bdqfork	100%
torch.Storage	@yuange250	100%
torch.nn	@gongel	100%
torch.nn.functional	@hijkzzz	100%
torch.nn.init	@GeneZC	100%
torch.optim	@zonasw
Automatic differentiation package - torch.autograd	@gfjiangly	100%
Distributed communication package - torch.distributed	@univeryinli	100%
Probability distributions - torch.distributions	@hijkzzz	100%
Torch Script	@keyianpai	100%
Multiprocessing package - torch.multiprocessing	@hijkzzz	100%
torch.utils.bottleneck	@belonHan	100%
torch.utils.checkpoint	@belonHan	100%
torch.utils.cpp_extension	@belonHan	100%
torch.utils.data	@BXuan694	100%
torch.utils.dlpack	@kunwuz	100%
torch.hub	@kunwuz	100%
torch.utils.model_zoo	@BXuan694	100%
torch.onnx	@guobaoyo	100%
Distributed communication package (deprecated) - torch.distributed.deprecated	@luxinfeng	100%
torchvision Reference	@BXuan694	100%
torchvision.datasets	@BXuan694	100%
torchvision.models	@BXuan694	100%
torchvision.transforms	@BXuan694	100%
torchvision.utils	@BXuan694	100%

认领完毕

OpenCV 4.0 中文教程

参与方式： https://github.com/apachecn/o...

整体进度： https://github.com/apachecn/o...

项目仓库： https://github.com/apachecn/o...

认领：51/51，翻译：26/51。

笔记整理活动

CS224n 自然语言处理

参与方式： https://github.com/apachecn/s...

整体进度： https://github.com/apachecn/s...

项目仓库： https://github.com/apachecn/s...

认领：12/20，整理：0/20

章节	贡献者	进度
Lecture 1	@cx123cx456
Lecture 2	@AllenZYJ
Lecture 3	@cx123cx456
Lecture 4	@ZSIRS
Lecture 5	@ZSIRS
Lecture 6	@ZSIRS
Lecture 7	@neolei
Lecture 8	@Qichao-Ge
Lecture 9	@NewDreamstyle192
Lecture 10	@enningxie
Lecture 11
Lecture 12
Lecture 13
Lecture 14
Lecture 15
Lecture 16
Lecture 17	@pingjing233
Lecture 18
Lecture 19
Lecture 20	@Willianan

宣传活动

PyTorch 1.0

整体进度： https://github.com/apachecn/p...

项目仓库： https://github.com/apachecn/p...

章节	OSChina	SegmentFault	掘金	简书	搜狐号	百家号	知乎专栏
教程部分
Deep Learning with PyTorch: A 60 Minute Blitz
What is PyTorch?
Autograd: Automatic Differentiation
Neural Networks
Training a Classifier
Optional: Data Parallelism
Data Loading and Processing Tutorial
Learning PyTorch with Examples
Transfer Learning Tutorial
Deploying a Seq2Seq Model with the Hybrid Frontend
Saving and Loading Models
What is torch.nn really?
Finetuning Torchvision Models
Spatial Transformer Networks Tutorial
Neural Transfer Using PyTorch
Adversarial Example Generation
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX
Chatbot Tutorial
Generating Names with a Character-Level RNN
Classifying Names with a Character-Level RNN
Deep Learning for NLP with Pytorch
Introduction to PyTorch
Deep Learning with PyTorch
Word Embeddings: Encoding Lexical Semantics
Sequence Models and Long-Short Term Memory Networks
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF
Translation with a Sequence to Sequence Network and Attention
DCGAN Tutorial
Reinforcement Learning (DQN) Tutorial
Creating Extensions Using numpy and scipy
Custom C++ and CUDA Extensions
Extending TorchScript with Custom C++ Operators
Writing Distributed Applications with PyTorch
PyTorch 1.0 Distributed Trainer with Amazon AWS
ONNX Live Tutorial
Loading a PyTorch Model in C++
Using the PyTorch C++ Frontend
文档部分
Autograd mechanics
Broadcasting semantics
CUDA semantics
Extending PyTorch
Frequently Asked Questions
Multiprocessing best practices
Reproducibility
Serialization semantics
Windows FAQ
torch
torch.Tensor
Tensor Attributes
Type Info
torch.sparse
torch.cuda
torch.Storage
torch.nn
torch.nn.functional
torch.nn.init
torch.optim
Automatic differentiation package - torch.autograd
Distributed communication package - torch.distributed
Probability distributions - torch.distributions
Torch Script
Multiprocessing package - torch.multiprocessing
torch.utils.bottleneck
torch.utils.checkpoint
torch.utils.cpp_extension
torch.utils.data
torch.utils.dlpack
torch.hub
torch.utils.model_zoo
torch.onnx
Distributed communication package (deprecated) - torch.distributed.deprecated
torchvision Reference
torchvision.datasets
torchvision.models
torchvision.transforms
torchvision.utils

关于我们

我们是一个大型开源社区，旗下 QQ 群共一万余人，订阅用户至少一万人。Github Star 数量超过 40k 个，在所有 Github 组织中排名前 150 。网站日 uip 超过 4k， Alexa 排名的峰值为 20k 。我们的核心成员拥有 CSDN 博客专家和简书程序员优秀作者认证。我们与 Datawhale 、 AI 有道、黄海广博士等国内知名开源组织和大 V 合作，组织公益性的翻译活动、学习活动和比赛组队活动。

‍

与商业组织不同，我们并不会追逐热点，或者唯利是图。作为公益组织，我们将完成项目放在首要位置，并有足够时间把项目打磨到极致。我们希望做出广大 AI 爱好者真正需要的东西，打造真正有价值的长尾作品。

【导航】 ibooker.org.cn
【归档】 home.apachecn.org
【社区】 ibooker.org.cn/forums
【Github】 @ApacheCN
自媒体平台
- 微博：@ApacheCN
- 知乎专栏：AILearning
- 公众号：ApacheCN
- CSDN | 博客园 | OSChina |SF | 掘金
- 简书 | 搜狐号 | 头条号 | 百家号 | bilibili
We are ApacheCN Open Source Organization, not ASF! We are fans of AI, and have no relationship with ASF!
合作 or 侵权，请联系 <apachecn@163.com> | 请抄送一份到 <wizard.z@foxmail.com>

ApacheCN 活动汇总 2019.6.28

赞助我们

ApacheCN 活动汇总 2019.6.28

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。

码农书籍

500 Lines or Less

Amy Brown、Michael DiBernardo / 2016-6-28 / USD 35.00

This book provides you with the chance to study how 26 experienced programmers think when they are building something new. The programs you will read about in this book were all written from scratch t......一起来看看《500 Lines or Less》这本书的介绍吧!

码农工具