（如果对于代码有疑惑或者代码中有错误，请在GitHub仓库开新的Issue指出。）

(无代码，略)

代码2.1 PyTorch软件包的导入和测试

代码2.2 安装PyTorch的依赖关系

代码2.3 PyTorch编译命令

代码2.4 Python列表和Numpy数组转换为PyTorch张量

代码2.5 指定形状生成张量

代码2.6-2.7 指定形状生成张量

代码2.8 PyTorch在不同设备上的张量

代码2.9 PyTorch张量形状相关的一些函数

代码2.10 PyTorch张量的切片和索引

代码2.11 PyTorch张量的函数运算

代码2.12 PyTorch张量的四则运算

代码2.13 PyTorch极值和排序的函数

代码2.14 PyTorch张量的矩阵乘法运算

代码2.15 torch.einsum函数的使用

代码2.16 张量的拼接和分割

代码2.17 张量维度扩增和压缩

代码2.18 张量的广播

代码2.19 PyTorch模块类的构建方法

代码2.20 PyTorch线性回归模型示例

代码2.21 PyTorch线性回归模型调用方法实例

代码2.22 PyTorch模块方法调用实例

代码2.23 反向传播函数测试代码

代码2.24 梯度函数的使用方法

代码2.25 控制计算图产生的方法示例

代码2.26 损失函数模块的使用方法

代码2.27 简单线性回归函数和优化器

代码2.28 PyTorch优化器对不同参数指定不同的学习率

代码2.29 PyTorch学习率衰减类示例

代码2.30 torch.utils.data.DataLoader类的签名

代码2.31 torch.untils.data.Dataset类的构造方法

代码2.32 简单torch.utils.data.Dataset类的实现

代码2.33 torch.utils.data.IterableDataset类的构造方法

代码2.34 PyTorch保存和载入模型

代码2.35 PyTorch的状态字典的保存和载入

代码2.36 PyTorch检查点的结构

代码2.37 TensorBoard使用方法示例

代码2.38 SummaryWriter提供的添加数据显示的方法

代码2.39 torch.nn.DataParallel使用方式

代码2.40 PyTorch分布式进程启动函数

代码2.41 多进程训练模型的数据载入

代码2.42 分布式数据并行模型的API

代码2.43 分布式数据并行模型训练时的输出

代码3.1-3.3 线性层的定义和使用方法

代码3.4 ConvNd类的定义代码

代码3.5-3.9 归一化层模块的定义

代码3.10-3.15 池化模块的定义

代码3.16 丢弃层模块的定义

代码3.17 顺序模块的构造方法

代码3.18 模块列表和模块字典的构造方法

代码3.19-3.22 AlexNet实例及特征提取模块

代码3.23-3.24 增益系数的计算和模块参数初始化

代码3.25 InceptionNet的基础框架代码

代码3.26-3.27 ResNet的基础框架代码

代码4.1 PyTorch常用的数据集包装类

代码4.2-4.9 LeNet模型工程

代码4.10-4.12 使用argparse库指定LeNet神经网络超参数

代码4.13 imagenet.py训练代码数据载入部分

代码4.14 ResNet瓶颈残差模块的代码实现

代码4.15-4.20 InceptionNet子模块的实现

代码4.21-4.26 SSD模型的代码实现

代码4.27-4.30 FCN模型的代码实现

代码4.31 U-Net模型的代码实现

代码4.32-4.37 图像风格迁移代码

代码4.38-4.39 变分自编码器（VAE）代码实现

代码4.40-4.42 生成对抗网络（GAN）代码实现

代码5.1 使用sklearn的CountVectorizer来提取词频特征

代码5.2 CountVectorizer类声明

代码5.3 TF-IDF代码实例

代码5.4 TfidfTransformer和TfidfVectorizer类的声明

代码5.5 nn.Embedding类的定义

代码5.6 词嵌入模块的使用示例

代码5.7 从预训练的词嵌入矩阵得到词嵌入模块

代码5.8 nn.EmbeddingBag类的定义

代码5.9-5.10 pack_padded_sequence和pad_packed_sequence的使用

代码5.11 简单RNN的参数代码

代码5.12 RNN代码使用实例

代码5.13 LSTM和GRU的参数定义

代码5.14 LSTM和GRU模块的使用方法

代码5.15 RNNCell、LSTMCell和GRUCell参数定义

代码5.16 RNNCell、LSTMCell和GRUCell的使用方法

代码5.17 MultiheadAttention模块参数定义

代码5.18 Transformer单层编码器和解码器模块定义

代码5.19 Transformer编码器、解码器和Transformer模型

代码6.1 使用collections.Counter类构建单词表

代码6.2-6.3 CBOW模型及其训练过程

代码6.4 PyTorch余弦相似度的模块的参数定义和使用

代码6.5-6.6 用于情感分析的深度学习模型代码

代码6.7-6.9 基于循环神经网络的语言模型代码

代码6.10-6.12 Seq2Seq模型代码

代码6.13-6.16 BERT模型代码

代码7.1 宽深模型代码

代码7.2 CTC损失函数的定义

代码7.3 DeepSpeech模型代码

代码7.4-7.7 Tacotron模型代码

代码7.8-7.9 WaveNet模型代码

代码7.10-7.14 DQN模型代码

代码7.15-7.17 半精度模型的训练

代码8.1-8.10 PyTorch自定义激活函数和梯度

代码8.11-8.14 PyTorch钩子使用方法示例

代码8.15-8.17 PyTorch静态图使用方法示例

代码8.18-8.22 PyTorch静态模型的保存和载入

代码9.1 native_functions.yaml文件的声明

代码9.2-9.4 pybind11的简单例子