Torch 视频教程

用 Torch 照亮你的深度学习之路:flashlight:

本系列旨在不断扩充，提供关于 Torch 生态系统的入门视频教程。Torch 是目前机器学习和深度学习领域中速度最快、灵活性最高的框架之一。过去，这种灵活性往往伴随着陡峭的学习曲线……但如今已不再如此。

请尽情欣赏这些视频、文字稿和测验（您可以在 res 文件夹中找到它们，以及一些关于我如何制作这些视频的说明）。

1 - 打好基础

1.0 - Lua 概览（幻灯片）

1.1 - Torch 的 Tensor 概览（幻灯片）

1.2 - Torch 的 image 包概览（幻灯片）

2 - 人工神经网络

2.0 - 神经网络——前馈（推理）（幻灯片，测验）

2.1 - 神经网络——反向传播（训练）（幻灯片，测验）

2.2 - 神经网络——Torch 的 nn 包概览（幻灯片，脚本）

3 - 卷积神经网络

3.0 - CNN——基础（幻灯片，lin，3conv，3conv-pool）

3.1 - CNN——内部机制（幻灯片，脚本，3conv-pool）

3.2 - CNN——架构（幻灯片，LeNet5，AlexNet，GoogLeNet）

3.3 - CNN——训练（幻灯片，train.lua）

3.4 - CNN——损失函数（幻灯片）

4 - 循环神经网络

4.0 - RNN——向量与序列（幻灯片）

4.1 - RNN——前向与后向（幻灯片）

4.2 - RNN——nngraph 包（幻灯片，脚本）

4.3 - RNN——训练（幻灯片）

LSTM 和使用 rnn 包进行训练的内容即将推出！:blush:

Torch Video Tutorials 快速上手指南

Torch Video Tutorials 是一套针对 Torch (基于 Lua 的深度学习框架) 生态系统的入门视频教程集合。本指南将帮助你快速搭建环境并开始学习。

注意：Torch 主要使用 Lua 语言，而非 Python。本教程旨在通过视频、幻灯片和代码示例，降低 Torch 陡峭的学习曲线。

1. 环境准备

在开始之前，请确保你的系统满足以下要求：

• 操作系统：推荐 Linux (Ubuntu/CentOS) 或 macOS。Windows 用户建议使用 WSL (Windows Subsystem for Linux) 或 Docker。
• 前置依赖：
  • Git
  • CMake
  • LuaJIT (通常随 Torch 一起安装)
  • 基础编译工具链 (gcc, g++, make)

系统依赖安装示例 (Ubuntu/Debian)

sudo apt-get update
sudo apt-get install -y git cmake curl unzip build-essential libreadline-dev libncurses5-dev libncursesw5-dev libffi-dev libssl-dev

2. 安装步骤

Torch 的安装主要通过官方提供的脚本自动完成。国内开发者若遇到网络连接问题，建议配置代理或使用国内镜像源加速 git 和 luarocks 的下载。

步骤 1: 克隆仓库并运行安装脚本

git clone https://github.com/torch/distro.git ~/torch --recursive
cd ~/torch
bash install-deps
./install.sh

提示：如果 git clone 速度慢，可尝试使用 Gitee 镜像（如有）或配置 export GIT_PROXY_COMMAND。

步骤 2: 配置环境变量

安装完成后，根据提示将 Torch 添加到环境变量中。通常执行以下命令（以 bash 为例）：

source ~/.bashrc   # 或者 source ~/.zshrc

验证安装是否成功，输入 th 进入 Lua 交互界面，若出现 Torch> 提示符则代表安装成功。输入 quit() 退出。

步骤 3: 获取教程资源

克隆本教程仓库以获取视频对应的幻灯片、代码脚本和测验文件：

git clone https://github.com/hughperkins/torch-Video-Tutorials.git
cd torch-Video-Tutorials

3. 基本使用

本项目的核心内容是观看视频并结合本地代码实践。请按照以下顺序开始学习：

学习路径推荐

1. 基础篇 (Get the basics straight)

   • 1.0 Lua 概览: 熟悉 Lua 语法基础。
   • 1.1 Tensor 操作: 掌握 Torch 的核心数据结构 Tensor。
   • 1.2 Image 包: 学习如何处理图像数据。

2. 神经网络篇 (Artificial Neural Networks)

   • 2.0 - 2.1: 理解前向传播 (Inference) 与反向传播 (Training) 原理。
   • 2.2 nn 包: 学习如何使用 nn 模块构建网络层。

3. 卷积神经网络篇 (CNN)

   • 3.0 - 3.4: 从 CNN 基础、内部机制到经典架构 (LeNet5, AlexNet, GoogLeNet) 及训练流程。

4. 循环神经网络篇 (RNN)

   • 4.0 - 4.3: 学习序列数据处理、RNN 前后向传播及 nngraph 的使用。

最简单的使用示例

以 1.1 Tensor 概览 为例，你可以边看视频边在本地运行对应的代码逻辑。

1. 打开浏览器观看视频：Practical 1.1 - Torch's Tensors
2. 查看配套幻灯片：res/1.1/slides.pdf
3. 在终端启动 Lua 解释器并尝试创建 Tensor：

th

-- 创建一个 2x3 的零矩阵
t = torch.Tensor(2, 3):zero()
print(t)

-- 填充数据
t[1][1] = 1
t[2][3] = 9
print(t)

-- 简单的数学运算
result = t * 2
print(result)

quit()

对于后续章节（如 CNN 训练），你可以直接运行仓库 res 文件夹中提供的 .lua 脚本（例如 res/3.3/train.lua），并根据视频讲解调整参数。