「Hands-on Deep Learning」の PyTorch バージョンはオープンソースです。最も美しい DL ブックと素晴らしい DL フレームワークが融合しています。

Li Mu らによるオープンソースの中国語書籍「Hands-On Deep Learning」に PyTorch バージョンが登場しました。元の本のサンプルコードでも実際のプロジェクトでも、元の MXNet はシームレスに PyTorch コードに変換できます。プロジェクトの作者は、元の本の内容を基本的に変更せずに、MXNet コードを PyTorch に変換しました。DL と PyTorch を学びたい友人は、ぜひ試してみてください。

• プロジェクトアドレス: https://github.com/ShusenTang/Dive-into-DL-PyTorch

近年、コンピュータサイエンスの学生、技術者、あるいは長年テクノロジーやインターネット業界で働いてきた他の実務家など、人々のディープラーニングへの関心はかつてないほど高まっています。しかし、言語などの要因により、中国語で書かれた優れたディープラーニングの教科書は少ないです。

以前、アマゾンのチーフサイエンティストである李牧氏らは、ディープラーニングの入門チュートリアル本である「Hands-On Deep Learning」というディープラーニングに関する中国語の本を電子形式でGitHubでオープンソース化していた。その英語版はカリフォルニア大学バークレー校の「ディープラーニング入門（STAT 157）」コースで採用され、Li Muらも2019年にディープラーニングコースを教える際にこのチュートリアルを使用しました。

• 中国語版オープンソースアドレス: https://github.com/d2l-ai/d2l-zh

現在、このプロジェクトはGitHubで11,000以上のスターを獲得しており、電子書籍の中国語版は紙版としてもリリースされています。しかし、この本は素晴らしいのですが、読者の中には Gluon を使用してコードを記述することに慣れていない人もいます。結局のところ、ほとんどのオープンソース プロジェクトは TF または PyTorch で記述されています。これで、本のコンテンツと PyTorch フレームワークを直接組み合わせて、DL をより深く理解できるようになりました。

プロジェクトはどうですか?

プロジェクト作成者によると、リポジトリには主に code と docs の 2 つのフォルダーが含まれています。 code フォルダーには、各章の関連する Jupyter Notebook コード (PyTorch ベース) が含まれています。docs フォルダーには、同じく PyTorch ベースのマークダウン形式の書籍「Hands-On Deep Learning」の関連コンテンツが含まれています。

元の本では MXNet フレームワークを使用しているため、ドキュメントの内容は元の本と若干異なる場合がありますが、全体的な内容は同じです。以下は、docs ディレクトリ内のドキュメントです。合計 10 章が含まれています。コンテンツの大部分、つまり第 1 章から第 8 章と第 10 章はすでに完成しています。第 9 章のコンピューター ビジョンのみがまだ完成していません。

実際、新しいプロジェクトのコンテンツ構造と構成は元の本と同じです。上記のドキュメントディレクトリは、基礎知識（第 1 章〜第 3 章）、最新のディープラーニング技術（第 4 章〜第 6 章）、コンピューティングのパフォーマンスとアプリケーション（第 7 章〜第 10 章）の 3 つの部分に分けることができます。以下は、本書の各章のトピックと依存関係です。矢印は、前の章が次の章の理解に役立つことを示しています。

内容に加えて、もう一つの部分は実践的なコードです。本書に付属するコードは基本的に PyTorch に変換されています。元の本と同様に、これも Jupyter Notebook で書かれており、コードとテキストの説明がよりわかりやすく表示されます。 GitHub は Jupyter Notebook をかなりゆっくりと読み込むため、表示するにはローカルにダウンロードするのが最適です。

最後に、「Hands-On Deep Learning」も PyTorch と非常に相性が良く、機械学習やディープラーニングに関する背景知識は必要なく、基本的な数学と Python プログラミングを理解するだけで済みます。

MXNet から PyTorch へ

これは直感的ではないと思われるかもしれませんので、2 つの例を通じて、「Deep Learning with Hands on」という本の元のコードと PyTorch バージョンの違いを見てみましょう。リカレントニューラルネットワークを使用して言語モデルを構築するためのコードを抽出すると、元の Gluon と新しい PyTorch バージョンの違いがわかります。

以下は、RNNモデリング言語モデルを使用した原書のコードの一部です（原書6.5章）。主にモデル定義部分を抜粋しました。

上記は、対応する PyTorch コードに書き直すことができます。スタイルは非常に簡潔ですが、まだいくつかの違いがあります。