PyTorch.org 为研究人员和开发者提供文档、安装说明、最新新闻、社区项目、教程等。今天，我们推出了可用性和内容改进，包括新增类别的教程、新的食谱格式以便快速参考常见主题、使用标签排序以及更新后的主页。
让我们详细看看它们。
教程首页更新
教程主页现在提供了开发者可以采取的清晰操作。对于新的 PyTorch 用户，有一个易于发现的按钮可以直接进入“60 分钟速成”。紧挨着它，有一个按钮可以查看所有食谱，这些食谱旨在通过示例快速教授特定功能。
除了现有的左侧导航栏，现在还可以通过多选标签快速筛选教程。假设您想查看所有与“生产”和“量化”相关的教程。您可以选择“生产”和“量化”筛选器，如下面的图片所示：
在教程主页底部还可以找到以下附加资源：
PYTORCH 美味食谱
食谱是新的小型、可操作的示例，旨在教授研究人员和开发者如何使用特定的 PyTorch 功能。一些值得注意的新食谱包括：
在此处查看完整食谱
学习 PyTorch
本节包含为 PyTorch 新手设计的教程。根据社区反馈，我们对当前最受欢迎的入门教程《60 分钟 PyTorch 深度学习速成》进行了更新。完成本教程后，您可以了解 PyTorch 和神经网络是什么，并能够构建和训练一个简单的图像分类网络。更新内容包括添加解释以阐明输出含义，并链接到文档中用户可以阅读更多内容的地方，清理混淆的语法错误，以及重新构建和解释新概念以提高可读性。
将模型部署到生产环境中
本节包含面向希望将 PyTorch 模型部署到生产环境的开发者的教程。教程包括：
- 使用 Flask 通过 REST API 部署 Python 中的 PyTorch
- 火炬脚本入门
- 在 C++中加载 TorchScript 模型
- 将 PyTorch 模型导出为 ONNX 格式并在 ONNX Runtime 中运行
前端 API
PyTorch 提供了一系列前端 API 功能，可以帮助开发者更高效地进行编码、调试和验证模型。本节包括教程，介绍这些功能是什么以及如何使用它们。以下是一些重点教程：
- PyTorch 中命名张量的介绍
- 使用 PyTorch C++前端
- 扩展 TorchScript 的 C++自定义运算符
- 扩展 TorchScript 的 C++自定义类
- C++前端中的 Autograd
模型优化
深度学习模型由于复杂性，通常消耗大量的内存、电力和计算资源。本节提供模型优化教程：
并行与分布式训练
PyTorch 提供了可以加速研究和生产性能的功能，例如原生支持异步执行集体操作和 Python 和 C++可访问的 P2P 通信。本节包括并行和分布式训练的教程：
进行这些改进只是为社区改进 PyTorch.org 的第一步。请在此处提交您的建议。
干杯，
PyTorch 团队
