自 2017 年 1 月 PyTorch 推出以来，其热度持续上升，一度有赶超 TensorFlow 的趋势。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点，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。因此，走上学习 PyTorch 的道路已刻不容缓。
而且在 2018 年 12 月 8 日，PyTorch 正式发布 1.0 的稳定版本，为 PyTorch 的健壮发展注入了新的活力！
今天给大家强烈推荐一个 PyTorch 的开源书籍，不仅内容全面，而且全部是中文的，方便大家学习。这本书名为《PyTorch 中文手册》，是一本开源的书籍，目标是帮助那些希望使用 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。
书籍介绍
这本书籍的作者是 hengtao tantai，作者对该书作出如下简介：
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。
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。
2018 年 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。
这里有关于 PyTorch 1.0 主要改动的中文翻译：
https://github.com/zergtant/pytorch-handbook/blob/master/changelog-v1.0.md
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
1. 基础
2. 张量
3. 自动求导
4. 神经网络包nn和优化器optm
5. 数据的加载和预处理
第二节 深度学习基础及数学原理
第三节 神经网络简介
第四节 卷积神经网络
第五节 循环神经网络
第三章 实践
第一节 logistic回归二元分类
第二节 CNN:MNIST数据集手写数字识别
第三节 RNN实例：通过Sin预测Cos
第四章 提高
第一节 Fine-tuning
第二节 可视化
1. visdom
2. 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
书籍地址：
《PyTorch 中文手册》的在线地址为：
https://github.com/zergtant/pytorch-handbook
整个书籍均为中文版本，作者参考的网络其它资料也都进行了汉化翻译！
目前该书还未完全完成，作者在持续更新，已经更新到第四章了。没关系，大家可以先把前三章内容好好看看。
通过本教程，希望能够给大家带来一个完整、清晰、有难度梯度的 PyTorch 资料。中文版给大家带来更多的方便，节省时间。希望对你有所帮助！再次感谢原作者的辛勤劳动和开源精神！
