PyTorch官方教程大更新：增加标签索引，更加新手友好

提供标签索引，增加主题分类，更加新手友好。

不必再面对一整页教学文章茫然无措，可以想学哪里就精准点哪里了。

网友们纷纷表示：更新得太及时了。

标签索引：哪里不会点哪里

如果你是PyTorch 24K纯萌新，PyTorch官方一如既往地向你推荐他们最受欢迎的教程之一：60分钟入门PyTorch（Start 60-min blitz）。

并且这一次，有了更显眼的入口，保证你绝对不会错过。

而这一次更新的重点，在于快速标签索引。

不再是简单粗暴的CV、NLP、RL这样的分类，而是对教程的主题进行了更细致的划分。

并且，你可以通过选择标签，来精准地找到你想要的教程。

比如，你想看看计算机视觉相关的模型优化教程，选中「Image/Video」、「Model Optimization」这两个标签，就能快速筛选出对应的教学内容。

具体的PyTorch示例、PyTorch中常用API、元素的备忘录，以及教程的GitHub链接，则作为附加资源，单独列在教程板块之后，很容易找到。

当然，除了交互体验上的更新，教程内容方面，PyTorch官方也增加了新的「食用指南」，比如：

• PyTorch数据加载（LOADING DATA IN PYTORCH）
• CAPTUM的模型可解释性（MODEL INTERPRETABILITY USING CAPTUM）
• 如何在PyTorch中使用Tensorboard（HOW TO USE TENSORBOARD WITH PYTORCH）

完整资源清单

最后，总结一下PyTorch官方教程都包括哪些方面的内容。

• PyTorch入门教程：60分钟闪电战
• 图像/视频篇（CV）

TorchVision目标检测微调教程 计算机视觉迁移学习教程 对抗示例生成 DCGAN教程

• 音频篇

torchaudio教程

• 文本篇（NLP）

用nn.Transformer和TorchText实现 Sequence2Sequence 建模 从零开始NLP：使用字符级 RNN 进行名字分类 从零开始NLP：使用字符级 RNN 生成名字 从零开始NLP：使用 Sequence2Sequence 网络和注意力进行翻译 使用TorchText实现文本分类 使用TorchText实现语言翻译

• 强化学习

强化学习教程

• 在生产环境中部署PyTorch模型

使用Flask来部署PyTorch模型 TorchScript简介 在C++中加载TorchScript模型 将模型从PyTorch中导出到ONNX，并使用ONNX RUNTIME运行

• 前端API

PyTorch中的命名张量简介 通道在Pytorch中的最终存储格式 使用PyTorch C++前端 自定义C++和CUDA扩展 使用自定义C++运算符扩展TorchScript 使用自定义C++类扩展TorchScript C ++前端中的Autograd

• 模型优化

剪枝教程 LSTM Word语言模型上的动态量化 BERT上的动态量化 在PyTorch中使用Eager模式进行静态量化 计算机视觉的量化迁移学习教程

• 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 （进阶）Amazon AWS的PyTorch 1.0分布式训练 使用分布式RPC框架实现参数服务器

传送门

PyTorch官方教程： https://pytorch.org/tutorials