边做边学！基于PyTorch的进阶深度学习

这是书籍《边做边学！基于PyTorch的进阶深度学习》（小川雄太郎，迈纳比出版社，2019年7月29日）的支持仓库。

1. 本书所涉及的任务内容与深度学习模型

• 第1章 图像分类与迁移学习（VGG）
• 第2章 物体检测（SSD）
• 第3章 语义分割（PSPNet）
• 第4章 姿势估计（OpenPose）
• 第5章 基于GAN的图像生成（DCGAN、自注意力GAN）
• 第6章 基于GAN的异常检测（AnoGAN、高效GAN）
• 第7章 基于自然语言处理的情感分析（Transformer）
• 第8章 基于自然语言处理的情感分析（BERT）
• 第9章 视频分类（3D CNN、ECO）

关于本书的详细内容，我们已在另一篇文章中进行了说明。

“Qiita文章：基于PyTorch的进阶深度学习，各章介绍”

2. 疑问点与修正点均在Issue中管理

本GitHub仓库的Issue用于记录和管理读者提出的疑问及修正建议。

如有任何不清楚的地方，请查看此处：

https://github.com/YutaroOgawa/pytorch_advanced/issues

3. 关于错别字

以下是书中错别字的汇总列表。对此我们深表歉意。

错别字列表

PyTorch Advanced 快速上手指南

本指南基于《つくりながら学ぶ! PyTorch による発展ディープラーニング》（边做边学！PyTorch 进阶深度学习）开源项目，涵盖图像分类、目标检测、语义分割、姿态估计、GAN 生成及 NLP 等 9 大核心任务。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux (推荐 Ubuntu 18.04+)、macOS 或 Windows (需配置 WSL2 或原生 Python 环境)。
• Python 版本：建议 Python 3.6 - 3.8 (与原书出版时期兼容性最佳)。
• GPU 支持：推荐配备 NVIDIA GPU 并安装对应的 CUDA 驱动，以加速模型训练与推理。
• 前置依赖：
  • PyTorch (最新版或 1.x 版本)
  • torchvision
  • OpenCV (opencv-python)
  • NumPy, Pillow, Matplotlib 等基础科学计算库。

国内加速建议： 推荐使用清华源或阿里源安装 Python 依赖，以提升下载速度。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <package_name>

2. 安装步骤

第一步：克隆仓库

将项目代码拉取到本地：

git clone https://github.com/YutaroOgawa/pytorch_advanced.git
cd pytorch_advanced

第二步：安装依赖

进入对应章节的文件夹（例如第 1 章 1_image_classification），安装所需库。 注：不同章节可能依赖略有不同，请进入具体章节目录执行安装。

使用国内镜像源安装依赖：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

若根目录无统一 requirements.txt，请手动安装核心库：

pip install torch torchvision opencv-python numpy pillow matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

第三步：下载预训练模型与数据集

本项目多数章节需要预训练权重（如 VGG, SSD, PSPNet 等）和测试图片。

1. 查阅各章节文件夹下的 README.md 或 download_weights.sh 脚本。
2. 通常需要将数据放置在 data/ 或 weights/ 目录下。 示例（具体路径请参考各章说明）：

   # 进入特定章节，例如第 2 章物体识别
   cd 2_object_detection
   # 运行下载脚本（如果提供）
   bash download_weights.sh
   

   若无自动脚本，请根据章节内的文档链接手动下载权重文件并放入指定目录。

3. 基本使用

本项目按章节组织，每个章节包含独立的 Jupyter Notebook (.ipynb) 或 Python 脚本 (.py)。以下以第 1 章：图像分类与迁移学习 (VGG) 为例演示最简使用流程。

运行示例

进入第 1 章目录并启动 Notebook 或直接运行脚本：

cd 1_image_classification

# 方式 A: 使用 Jupyter Notebook (推荐，便于逐步调试)
jupyter notebook

# 方式 B: 直接运行 Python 脚本 (假设存在 main.py 或类似入口)
python main.py

代码逻辑简述

在 Notebook 或脚本中，核心流程通常如下：

1. 导入库与设置环境

   import torch
   import torch.nn as nn
   from models.vgg import VGG
   # 设置设备
   device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
   

2. 加载预训练模型

   # 实例化模型并加载权重
   model = VGG()
   model.load_state_dict(torch.load('./weights/vgg16_reducedfc.pth', map_location=device))
   model.to(device)
   model.eval()
   

3. 推理预测

   from utils import transform_img  # 假设的工具函数
   import cv2
   
   img_path = './data/gutter_cat.jpg'
   img = cv2.imread(img_path)
   img_transformed = transform_img(img)
   
   with torch.no_grad():
       output = model(img_transformed.unsqueeze(0).to(device))
       pred_class = torch.argmax(output, dim=1)
       
   print(f"Predicted Class: {pred_class.item()}")
   

其他章节切换

只需更改工作目录至对应章节即可体验不同功能：

• 物体识别：cd 2_object_detection (运行 SSD 相关 Notebook)
• 语义分割：cd 3_semantic_segmentation (运行 PSPNet 相关 Notebook)
• 姿态推定：cd 4_pose_estimation (运行 OpenPose 相关脚本)
• GAN 生成：cd 5_gan_generation (运行 DCGAN/SAGAN)
• NLP 情感分析：cd 7_nlp_sentiment_transformer 或 cd 8_nlp_sentiment_bert

提示：详细的数据集准备和参数调整说明，请参阅各章节文件夹内具体的 README.md 文件或原书对应章节。