PyTorch 1.4 中文文档校对活动正式启动 | ApacheCN

一如既往,PyTorch 1.4 中文文档校对活动启动了!

认领须知

请您勇敢地去翻译和改进翻译。虽然我们追求卓越,但我们并不要求您做到十全十美,因此请不要担心因为翻译上犯错——在大部分情况下,我们的服务器已经记录所有的翻译,因此您不必担心会因为您的失误遭到无法挽回的破坏。(改编自维基百科)

可能有用的链接:

流程

一、认领

首先查看整体进度,确认没有人认领了你想认领的章节。

然后回复 ISSUE,注明“章节 + QQ 号”(一定要留 QQ)。

需要取消认领的人也在此留言,两个月未完成默认放弃任务。

二、校对

需要校对:

  1. 语法
  2. 术语使用
  3. 文档格式

注:可以合理利用翻译引擎(例如[谷歌](https://translate.google.cn),但一定要把它变得可读!

如果觉得现有翻译不好,重新翻译也是可以的。

图片存放在docs/<version>/img目录下,记得文章也改为相对路径。

三、提交

提交的时候不要改动文件名称,即使它跟章节标题不一样也不要改,因为文件名和原文的链接是对应的!!!

  • fork Github 项目
  • 将译文放在docs/1.4文件夹下
  • push
  • pull request

请见 Github 入门指南

整体进度

章节 校验者 进度
中文教程 - -
入门 - -
使用 PyTorch 进行深度学习:60 分钟的闪电战
编写自定义数据集,数据加载器和转换
使用 TensorBoard 可视化模型,数据和训练
图片 - -
TorchVision 对象检测微调教程
转移学习的计算机视觉教程
空间变压器网络教程
使用 PyTorch 进行神经传递
对抗示例生成
DCGAN 教程
音频 - -
torchaudio 教程
文本 - -
NLP From Scratch: 使用char-RNN对姓氏进行分类
NLP From Scratch: 生成名称与字符级RNN
NLP From Scratch: 基于注意力机制的 seq2seq 神经网络翻译
使用 TorchText 进行文本分类
使用 TorchText 进行语言翻译
使用 nn.Transformer 和 TorchText 进行序列到序列建模
命名为 Tensor(实验性) - -
(实验性)PyTorch 中的命名张量简介
强化学习 - -
强化学习(DQN)教程 @Dynmi 100%
在生产中部署 PyTorch 模型 - -
通过带有 Flask 的 REST API 在 Python 中部署 PyTorch
TorchScript 简介
在 C ++中加载 TorchScript 模型
(可选)将模型从 PyTorch 导出到 ONNX 并使用 ONNX Runtime 运行
并行和分布式训练 - -
单机模型并行最佳实践
分布式数据并行入门
用 PyTorch 编写分布式应用程序
分布式 RPC 框架入门
(高级)带有 Amazon AWS 的 PyTorch 1.0 分布式训练师
扩展 PyTorch - -
使用自定义 C ++运算符扩展 TorchScript
使用自定义 C ++类扩展 TorchScript
使用 numpy 和 scipy 创建扩展
自定义 C ++和 CUDA 扩展
模型优化 - -
LSTM Word 语言模型上的(实验)动态量化
(实验性)在 PyTorch 中使用 Eager 模式进行静态量化
(实验性)计算机视觉教程的量化转移学习
(实验)BERT 上的动态量化
修剪教程
PyTorch 用其他语言 - -
使用 PyTorch C ++前端
PyTorch 基础知识 - -
通过示例学习 PyTorch
torch.nn 到底是什么?
文件 - -
笔记 - -
自动毕业力学
广播语义
CPU 线程和 TorchScript 推断
CUDA 语义
分布式 Autograd 设计
扩展 PyTorch
经常问的问题
大规模部署的功能
并行处理最佳实践
重现性
远程参考协议
序列化语义
Windows 常见问题
XLA 设备上的 PyTorch
语言绑定 - -
PyTorch C ++ API
PyTorch Java API
Python API - -
torch
torch.nn
torch功能
torch张量
张量属性
自动差分包-Torch.Autograd
torch.cuda
分布式通讯包-Torch.Distributed
概率分布-torch分布
torch.hub
torch脚本
torch.nn.init
torch.onnx
torch.optim
量化
分布式 RPC 框架
torch随机
torch稀疏
torch存储
torch.utils.bottleneck
torch.utils.checkpoint
torch.utils.cpp_extension
torch.utils.data
torch.utils.dlpack
torch.utils.model_zoo
torch.utils.tensorboard
类型信息
命名张量
命名为 Tensors 操作员范围
糟糕!
torchvision参考 - -
torchvision
音频参考 - -
torchaudio
torchtext参考 - -
torchtext
社区 - -
PyTorch 贡献指南
PyTorch 治理
PyTorch 治理 感兴趣的人

历史版本

项目负责人

第4期 1.2/1.4 (2019-09-17)

第3期 1.0 (2019-06-10)

第2期 1.0 (2019-01-22)

第1期 0.3 (2018-04-04)

-- 负责人要求: (欢迎一起为 Pytorch 中文版本 做贡献)

  • 热爱开源,喜欢装逼
  • 长期使用 PyTorch(至少1年)
  • 能够有时间及时优化页面bug和用户issues
  • 由于会不定期和 PyTorch 官方 进行issues or email 交流,所以更要积极主动
  • 试用期: 2个月
  • 欢迎联系: 片刻 529815144

建议反馈

赞助我们

<img src="http://data.apachecn.org/img/about/donate.jpg" alt="微信&支付宝" />

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容