PyTorch 1.2 中文文档校对活动 | ApacheCN

---

贡献指南

请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）

• 
  

章节列表

• 中文教程

• 入门

• PyTorch 深度学习: 60 分钟极速入门
• 数据加载和处理教程
• 用例子学习 PyTorch
• 部署与TorchScript一个Seq2Seq模型
• 可视化模型，数据，和与训练TensorBoard
• 保存和加载模型
• torch.nn 到底是什么？
• TorchVision对象检测教程细化和微调
• 微调Torchvision模型
• 空间变压器网络教程
• 使用PyTorch进行神经网络传递
• 对抗性示例生成
• DCGAN教程

• 音频

• torchaudio教程
• NLP从头：判断名称与字符级RNN
• 文本分类与TorchText
• 语言翻译与TorchText
• 序列到序列与nn.Transformer和TorchText建模
• 1.部署PyTorch在Python经由REST API从Flask
• 2.介绍TorchScript
• 3.装载++一个TorchScript模型在C
• 4.（可选）从导出到PyTorch一个ONNX模型并使用ONNX运行时运行它

• 并行和分布式训练

• 1.型号并行最佳实践
• 2.入门分布式数据并行
• 3. PyTorch编写分布式应用
• 4.（高级）PyTorch 1.0分布式训练与Amazon AWS

• 扩展PyTorch

• 使用自定义 C++ 扩展算TorchScript
• 创建扩展使用numpy的和SciPy的
• 自定义 C++ 和CUDA扩展

• PyTorch在其他语言

• 使用PyTorch C++ 前端

• 中文文档

• 注解

• 自动求导机制
• 广播语义
• CPU线程和TorchScript推理
• CUDA语义
• 扩展PyTorch
• 常见问题
• 对于大规模部署的特点
• 多处理最佳实践
• 重复性
• 序列化语义
• Windows 常见问题

• 社区

• PyTorch贡献说明书
• PyTorch治理
• PyTorch治理兴趣人

• 封装参考文献

• torch
• torch.Tensor
• Tensor Attributes
• Type Info
• torch.sparse
• torch.cuda
• torch.Storage
• torch.nn
• torch.nn.functional
• torch.nn.init
• torch.optim
• torch.autograd
• torch.distributed
• torch.distributions
• torch.hub
• torch.jit
• torch.multiprocessing
• torch.random
• torch.utils.bottleneck
• torch.utils.checkpoint
• torch.utils.cpp_extension
• torch.utils.data
• torch.utils.dlpack
• torch.utils.model_zoo
• torch.utils.tensorboard
• torch.onnx
• torch.__ config__

• torchvision 参考文献

• torchvision

• torchaudio Reference

• torchaudio

• torchtext Reference

• torchtext

流程

一、认领

首先查看整体进度，确认没有人认领了你想认领的章节。

然后回复 ISSUE，注明“章节 + QQ 号”（一定要留 QQ）。

二、校对

需要校对：

1. 语法
2. 术语使用
3. 文档格式

Note: 可以合理利用翻译引擎（例如谷歌），但一定要把它变得可读！

如果觉得现有翻译不好，重新翻译也是可以的。

三、提交

提交的时候不要改动文件名称，即使它跟章节标题不一样也不要改，因为文件名和原文的链接是对应的！！！

• fork Github 项目
• 将译文放在docs/1.2文件夹下
• push
• pull request