PyTorch 源码解读系列
大家好，这是一篇预告文。
OpenMMLab 团队内部最近开始了 PyTorch 源码解读分享。每位同学解读的内容都会整理成技术文案，在这个新专栏分享出来，希望也能对大家有所帮助～
暂定的模块如下，首批分享中我们将主要对 Python 源码进行解读，也会涉及到少量的 c++ 接口。计划按照顺序进行周更：torch.autograd 文@ 000255BN&SyncBN 文@205120torch.utils.data 文@233233torch.nn.Module 文@000002DP&DDPtorch.optimtorch.cuda.amptorch.utils.cpp_extension torch.jit torch.nn.utils.prune torch.quantization torch.serialization&torch.hub
除了以上列出的模块，大家如果有希望新增的模块可以多多评论留言或私信。我们也非常非常非常欢迎大家参与进这个系列的技术文档编写，让优秀的技术文案疯狂砸向这个专栏吧（有意向的同学可以私戳小编获取具体步骤。将会有专业责编跟进修改，质检通过后将获取 OpenMMLab 专属标识进行发表）
最后，如果没有这个系列的技术文档，个人简历也是非常欢迎的呐～ 除了文案，我们也招人（算法、工程、前后端、项目、产品、运营，全都要）。天青色等烟雨，我们在等你
快速链接：
OpenMMLab：PyTorch 源码解读系列
OpenMMLab：PyTorch 源码解读之 torch.autograd：梯度计算详解
OpenMMLab：PyTorch 源码解读之 BN & SyncBN：BN 与 多卡同步 BN 详解
OpenMMLab：PyTorch 源码解读之 torch.utils.data：解析数据处理全流程
OpenMMLab：PyTorch 源码解读之 nn.Module：核心网络模块接口详解
OpenMMLab：PyTorch 源码解读之 DP & DDP：模型并行和分布式训练解析
OpenMMLab：PyTorch 源码解读之 torch.optim：优化算法接口详解
OpenMMLab：PyTorch 源码解读之 torch.cuda.amp: 自动混合精度详解
OpenMMLab：PyTorch 源码解读之 cpp_extension：揭秘 C++/CUDA 算子实现和调用全流程
