1. 没有看到对MyDataset的使用呢？
2. 文件的格式能提供一些说明吗，不然和代码对不上，谢谢。

你好，就是第零章的评价指标部分，图片完全加载不出来

optim.zero_grad()这个方法除了能将累积的梯度清零，还有一个作用就是当多个batch只调用一次这个函数时，相当于增大了batch_size，也就是可以将batch大小增大n倍

建议：512 修改为 num_ftrs 应该更合适一些

时间：一周
需求：一人
联系方式：[email protected]

问题复现

系统环境

安装过程

如图出现了问题

通过网络百度了，让安装 vc_redist 没有解决

已没招，盼复~

1.pytorch内部雅可比向量积是如何计算的，是否可以给出数学公式
2.

.grad_fn是对tensor计算一次就引用一次Function对象，来产生运算结果，记录运算的发生，保存记录运算的输入，tensor使用.grad.fn属性记录这个计算图的入口，反向传播中，autograd引擎会按照逆序，通过function的backward依次计算梯度.
手动创建这里建议给出例子,比如:

3.对于markdown公式无法显示问题，是否能改善一下，阅读体验不佳
4.

对于开篇的这些总结，感觉可以在下面对应代码块的头部进行匹配，这样对于小白来说阅读起来会更容易理解一些，不会摸不着头脑，可以适当在结尾处对知识点做一些总结。

imgaug 年久失修,若imshow需要修改源码:

python3.10/site-packages/imgaug/imgaug.py

        fig, ax = plt.subplots(figsize=(w, h), dpi=dpi)
        fig.canvas.set_window_title("imgaug.imshow(%s)" % (image.shape,))
        # cmap=gray is automatically only activate for grayscale images
        ax.imshow(image, cmap="gray")

其中需要把
fig.canvas.set_window_title 修改为 fig.canvas.manager.set_window_title

The tutorial as a whole is still a great effort, although there are some errors. I hope the rest of the chapter will be updated quickly.

ResNet(
(conv1): Conv2d(3, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False)
(bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace=True)
(maxpool): MaxPool2d(kernel_size=3, stride=2, padding=1, dilation=1, ceil_mode=False)
(layer1): Sequential(
(0): Bottleneck(
(conv1): Conv2d(64, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
(bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(conv2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
(bn2): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(conv3): Conv2d(64, 256, kernel_size=(1, 1), stride=(1, 1), bias=False)
(bn3): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
(relu): ReLU(inplace=True)
(downsample): Sequential(
(0): Conv2d(64, 256, kernel_size=(1, 1), stride=(1, 1), bias=False)
(1): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
)
)
..............
(avgpool): AdaptiveAvgPool2d(output_size=(1, 1))
(fc): Linear(in_features=2048, out_features=1000, bias=True)
)
请问如果我想修改net.layer1中的(0).conv1应该怎么获取呢？目前只会net.layer1=xxx或者net.fc=xxx这种，再往layer1中里面的层修改应该怎么获取？谢谢

这一部分在 书籍中缺失了4.2 4.3 4.4

能不能添加一个回归的例子？

然后分类和回归分别采用交叉验证？

1. 需求：针对当前教程设计一些课后题，帮助大家进一步了解
2. 人数：1～不限上限
3. 联系方式：[email protected]

Your issue content here.

FN是否应为实际为阳性，模型检测为阳性
TN是否应为实际为阴性，模型检测为阳性

文档图片都挂了怎么解决啊

When converting a quantization model from pytorch to onnx, I found that there was a large error (more than 4%) in the inference accuracy between the two models. I want to know is that reasonable? And how to solve it? Looking forward to your reply

Your issue content here.

第一段： "实际类别为正样本；True Negative (TP)代表的是实际类别和预测类标相同，预测类别和实际类别均为负样本。"
这里应该是TN 缩写。

step 5:离线下载
问题描述：下载pytorch、torchvision压缩包后，使用conda install --offline安装，安装完成后，无法在python中import torcch
其他验证：采用在线安装后，可以import torch
环境说明：macOS v12.3.1 python 3.8 conda 23.1.0

图裂了:

在文中部分:
比如下面这个图：
https://datawhalechina.github.io/thorough-pytorch/%E7%AC%AC%E5%9B%9B%E7%AB%A0/figures/shortcut2.jpg
左：VGG-19模型，作为参考。 中：一个有34个参数层的普通网络。 右：一个有34个参数层的残差网络（即resnet34）

6.1.2 的 def forward(self,inputs,targets,smooth=1) 代码行应该往左边移动，与 def init 对齐

1. 需求：介绍相关的自然语言处理任务和实际代码教程
2. 人数：1～2人
3. 联系方式：[email protected]

我看了下源码，可能是图片添加错误，或者图片丢失。单独放浏览器渲染不出来，麻烦更新一下框架图。辛苦作者！

希望添加更常见的CEloss，和BCEloss

1. 空缺

# rand是[0,1)均匀分布 #https://pytorch.org/docs/1.9.1/generated/torch.rand.html#torch.rand
# randn是服从N（0，1）的正态分布 #https://pytorch.org/docs/1.9.1/generated/torch.randn.html#torch.randn

2. 参数不足

#normal缺参数， 参考：https://pytorch.org/docs/1.9.1/generated/torch.normal.html#torch.normal
print(torch.normal(4.0,3.0,(4,)))

3. 可能是版本问题，我这边是1.9.0，函数找不到

#uniform 找不到
print(torch.__version__)
help(torch.uniform)

并行计算
方法一最后一行，应为：
所以这个方式慢慢淡出了视野。

windows环境：
在下载地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/中下载torchvision-0.10.0-py37_cu111 (1).tar.bz2和pytorch-1.10.1-py3.9_cuda11.1_cudnn8_0.tar.bz2两个包后，复制它们到相应环境的site-packages目录下，然后输入命令conda install --offline torchvision-0.10.0-py37_cu111 (1).tar.bz2出现提示：
CondaValueError: cannot mix specifications with conda package filenames

为了更好的完善教程，我们结合当前thorough-pytorch项目的进度，给出了以下task，希望有更多的同学能加入开源的贡献。主要有以下任务：

补充深度学习相关知识（包括卷积，池化，全连接，激活函数，dropout，batch normalization，BP反向传播）（2人）
补充计算机视觉领域、自然语言处理领域，语音处理相关简介（类比一篇论文的introduction，只需说明是什么，有哪些方法即可）（多人）
介绍人工智能发展简史、DL,ML,AI三者之间的关系（1人）
介绍评价相关指标（混淆矩阵， accuracy， precision， recall， F1 score）（1人）
Jupyter notebook或Jupyter Lab相关操作（1人）
一些经典代码的解读（包括但不限于ResNet，GoogleNet，MobileNet，RCNN系列，SSD，YOLO系列，transformer系列，ViT，Detr，BERT，GPT系列，CLIP，GAN相关）（该任务意在介绍一些真正的代码工作是如何写的，建议解读的是PyTorch源码、官方实现的代码或者一些标准库代码包括但不限于timm等）（多人）
联系方式：
email: [email protected]
wechat: ZhikangNiu_Wechat

这一节有一些代码错误了，附上我修改的代码：

1

改为：

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1,2'   #这里替换成希望使用的GPU编号
import torch
from torchvision import models

model = models.resnet152(pretrained=True)
model = nn.DataParallel(model).cuda()

保存+读取模型权重
torch.save(model.module.state_dict(), save_dir)

os.environ['CUDA_VISIBLE_DEVICES'] = '0'   #这里替换成希望使用的GPU编号
loaded_model = models.resnet152()   #注意这里需要对模型结构有定义
loaded_model.load_state_dict(torch.load(save_dir))
loaded_model = nn.DataParallel(loaded_model).cuda()
loaded_model.state_dict

2

改为：

import os
import torch
from torchvision import models
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1,2'   #这里替换成希望使用的GPU编号
print(os.environ['CUDA_VISIBLE_DEVICES'])

model = models.resnet152(pretrained=True)
model = nn.DataParallel(model).cuda()

# 保存+读取模型权重，强烈建议！！
torch.save(model.module.state_dict(), save_dir)
loaded_model = models.resnet152()   #注意这里需要对模型结构有定义
loaded_model.load_state_dict(torch.load(save_dir))
loaded_model = nn.DataParallel(loaded_model).cuda()
loaded_model

3

请问这里是怎么看的？
希望作者大大解答

测试环境：
Ubuntu 22.04
NVIDIA 1080 ti * 4

3.3数据读入，class MyDataset()这段代码26行发现了一个错误：raw_label = self.label_info.loc[self.label_info['Image_index'] == image_name]，这里self.label_info['Image_index'] == image_name是一个关系式，其结果为布尔值，self.label_info.loc[1]或者self.label_info.loc[0]无法取值，这里是不是应该改为 if self.label_info['Image_index'] == image_name： raw_label = self.label_info.loc[self.label_info['Image_index'] ]

很多步骤截图不显示。

图片和表格无法显示

十分感谢这个教程，我现在在dw的trm课程和李宏毅机器学习课程学习，关于.DS_Store文件，建议写个.gitignore文件，参考资料

# IDE
.vscode/
.idea/
.git/
# Python
__pycache__/

# Windows
*.bat
Thumbs.db
Desktop.ini

# Mac OS X
*.DS_Store

从第三章开始后面感觉基本上都需要运行代码来查看对应的结果，但是目前主要提供的是markdown的文件，可能出于让学员手动敲命令加强学习效果的意图，所以没有提供jupyter notebook格式的文件？
我暂时采取的方案是使用notedown将markdown文件直接转为notebook文件来运行，效果还可以，但是需要手动去转换。所以想问下有没有直接提供notebook文件的计划？非常感谢

m 变量在之前未被定义过，应该是 img 才对。

同样的，image 变量也未被定义过，应该改为 img。