领域

在 Google Colab 中运行

Colab

下载 Notebook

Notebook

在 GitHub 上查看

GitHub

领域

本节包含专门的教程，重点介绍如何将 PyTorch 应用于特定的应用领域。这些指南演示了如何使用特定领域的库，如 torchvision、torchaudio 等。本节适用于希望在深度学习特定领域中实现 PyTorch 的开发者。

---

TorchVision 目标检测微调教程

微调预训练的 Mask R-CNN 模型。

图像/视频

计算机视觉迁移学习教程

使用迁移学习训练用于图像分类的卷积神经网络。

图像/视频

对抗样本生成

使用迁移学习训练用于图像分类的卷积神经网络。

图像/视频

DCGAN 教程

训练生成对抗网络 (GAN) 以生成新的名人。

图像/视频

空间变换网络教程

学习如何使用视觉注意力机制增强您的网络。

图像/视频

基于 USB 的半监督学习教程

学习如何使用 USB 和 PyTorch 训练半监督学习算法（在自定义数据上）。

图像/视频

强化学习 (DQN)

学习如何使用 PyTorch 在 OpenAI Gym 的 CartPole-v0 任务上训练深度 Q 学习 (DQN) 代理。

强化学习

使用 TorchRL 进行强化学习 (PPO)

学习如何使用 PyTorch 和 TorchRL 在 Gym 的倒立摆任务上训练近端策略优化代理。

强化学习

训练一个玩马里奥的强化学习智能体

使用 PyTorch 训练双 Q 学习代理来玩马里奥。

强化学习

循环 DQN

使用 TorchRL 训练循环策略

强化学习

编写 DDPG 损失

使用 TorchRL 编写 DDPG 损失

强化学习

编写您的环境和转换

使用 TorchRL 编写摆锤

强化学习