docs: 更新readme

Author: TingsongYu

README.md

@@ -1,10 +1,26 @@
+# PyTorch 实用教程（第二版）
 
+<img src="asset/book-cover.png" alt="book-cover" style="zoom:40%;" />
 
-时隔5年，历时4年，耗时2年的[《Pytorch实用教程》第二版](https://github.com/TingsongYu/PyTorch-Tutorial-2nd)完成了。在第一版的精华之上，增加了丰富详实的深度学习应用案例和推理部署框架，使本书更系统性的涵盖深度学习工程师所涉及的知识面。如人工智能技术发展一浪接一浪，《Pytorch实用教程》第二版不是结束，而是开始，开启新的技术、新的领域、新的篇章，希望未来能继续与大家一起在人工智能技术里学习、进步。
+时隔5年，历时4年，耗时2年的《PyTorch实用教程》（第二版）完成了。在第一版的精华之上，增加了丰富详实的**深度学习应用案例**和**推理部署框架**，使本书更系统性的涵盖深度学习工程师所涉及的知识面。如人工智能技术发展一浪接一浪，《Pytorch实用教程》（第二版）不是结束，而是再次扬帆起航，开启新的技术、新的领域、新的篇章，希望未来能继续与大家一起在人工智能技术里学习、进步。
 
-请**点个Star**，予以鼓励，感谢！
+📚 在线阅读（**开源免费**）：[《PyTorch实用教程》（第二版）](https://tingsongyu.github.io/PyTorch-Tutorial-2nd/)
 
-<img src="asset/book-cover.png" alt="book-cover" style="zoom:40%;" />
+🖥️ 配套代码（**开源免费**）：[《PyTorch实用教程》（第二版）](https://github.com/TingsongYu/PyTorch-Tutorial-2nd)
+
+📢📢📢：请**点个Star**，予以鼓励！
+
+---
+
+# 目录
+
+- [本书内容](#本书内容)
+  - [上篇-PyTorch基础](#上篇)
+  - [中篇-产业应用](#中篇)
+  - [下篇-推理部署](#下篇)
+- [本书亮点](#本书亮点)
+
+# 本书内容
 
 本书以基础概念为基石，计算机视觉、自然语言处理和大语言模型为核心，推理部署框架为桥梁，皆在为读者提供面向项目落地的代码工程与理论讲解。本书整体分三部分，上篇：入门，中篇：应用，下篇：落地。
 
@@ -16,47 +32,84 @@ PyTorch基础。针对刚入门、非科班、本科生，提供PyTorch介绍，
 
 产业应用。经过上篇，磨了一把好刀，接下来就用它在各领域上大显身手。将会讲解三个主题，分别是计算机视觉（Computer Vision）、自然语言处理（Natural Language Processing）和大语言模型（Large Language Model）。
 
-- 在CV章节，包括主流的任务，有**图像分类、图像分割、目标检测、目标跟踪、GAN生成、Diffusion生成、图像描述和图像检索**八大任务。
+-![Static Badge](https://img.shields.io/badge/CV-%E9%A1%B9%E7%9B%AE-blue)
+
+在CV章节，包括主流的任务，有**图像分类、图像分割、目标检测、目标跟踪、GAN生成、Diffusion生成、图像描述和图像检索**八大任务。
+
+![CV-prj](asset/CV-prj.gif)
 
-  ![CV-prj](asset/CV-prj.gif)
+---
 
-- 在NLP章节，包括RNN、LSTM、Transformer、BERT和GPT模型详解与应用，应用的任务有**文本分类、机器翻译、命名体识别、QA问答和文章生成**五大任务。
+-![](https://img.shields.io/badge/NLP-%E9%A1%B9%E7%9B%AE-blue)
 
-  ![NLP-prj](asset/NLP-prj.gif)
+在NLP章节，包括RNN、LSTM、Transformer、BERT和GPT模型详解与应用，应用的任务有**文本分类、机器翻译、命名体识别、QA问答和文章生成**五大任务。
 
-- 在LLM章节，包括4个LLM部署与代码分析和一个LLM行业应用——**GPT Academic（GPT 学术优化）**，LLM包括国内开源的四大主流模型，**Qwen、ChatGLM、Baichuan和Yi**。
+<img src="asset/NLP-prj.gif" alt="NLP-prj" style="zoom:50%;" />
 
-  ![LLM-prj](./asset/LLM-prj.png)![gpt-academic-prj](./asset/gpt-academic-prj.gif)
+---
 
+-![](https://img.shields.io/badge/LLM-%E9%A1%B9%E7%9B%AE-blue)
 
+在LLM章节，包括4个LLM部署与代码分析和一个LLM行业应用——**GPT Academic（GPT 学术优化）**，LLM包括国内开源的四大主流模型，**Qwen、ChatGLM、Baichuan和Yi**。
 
 
 
+![LLM-prj](./asset/LLM-prj.png)![gpt-academic-prj](./asset/gpt-academic-prj.gif)
+
 ## 下篇
 
-工业落地。有了工具，有了场景，接下来就要让它产生价值，变成可用的、好用的算法服务。因此，从pytorch这样一个训练框架、重框架中剥离出来进行部署、加速、量化是常见的方法。本章将介绍ONNX和TensorRT的原理与使用，同时借助TensorRT详细分析模型量化概念、PTQ和QAT量化实战与原理。
+工业落地。有了工具，有了场景，接下来就要让它产生价值，变成可用的、好用的算法服务。因此，从pytorch这样一个训练框架、重框架中剥离出来进行部署、加速、量化是常见的方法。本章将介绍**ONNX和TensorRT**的原理与使用，同时借助TensorRT详细分析模型量化概念、**PTQ和QAT量化**实战与原理。
 
 相信经过上、中、下篇的学习，可以帮助入门的同学少走很多弯路，快速掌握PyTorch，具备独当一面的能力，能依据实际场景选择算法模型，可以将模型部署应用，形成闭环，全流程打通。
 
-## **本书亮点**
+# **本书亮点**
+
+- 结构清晰：全书分为三部分：上篇（入门）、中篇（应用）、下篇（落地），逐步引导读者深入学习。
+
+- 理论与实践结合：不仅提供理论讲解，还通过丰富的项目案例，让读者能够将理论应用于实践。
+
+- 实战案例丰富：提供了计算机视觉、自然语言处理和大语言模型等多个领域的实战案例。
+
+- 系统性覆盖：涵盖PyTorch基础、计算机视觉基础任务、自然语言处理基础任务、大语言模型基础、推理部署框架。
+
+- 适用性广：适合AI自学者、AI产品经理、在校学生以及跨领域人士阅读，满足不同背景和需求的读者。
+
+
+    <picture>
+    <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/svg?repos=TingsongYu/PyTorch-Tutorial-2nd&type=Date&theme=dark" />
+    <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/svg?repos=TingsongYu/PyTorch-Tutorial-2nd&type=Date" />
+    <img alt="Star History Chart" src="https://api.star-history.com/svg?repos=TingsongYu/PyTorch-Tutorial-2nd&type=Date" />
+  </picture></a>
+
+# 读者交流
+
+ 一群：671103375 (已满)
+
+ 二群：773031536 (已满）
+
+ 三群：514974779 (已满）
+
+ 四群：854620826
+
+为保证群聊质量，入群密码查看[代码](https://github.com/TingsongYu/PyTorch_Tutorial/blob/master/Code/4_viewer/5_Show_ConfMat.py)
 
-结构清晰：全书分为三部分：上篇（入门）、中篇（应用）、下篇（落地），逐步引导读者深入学习。
+与作者联系：[email protected]
 
-理论与实践结合：不仅提供理论讲解，还通过丰富的项目案例，让读者能够将理论应用于实践。
+<a href="#readme">
+    <img src="https://img.shields.io/badge/-返回顶部-7d09f1.svg" alt="#" align="right">
+</a>
 
-实战案例丰富：提供了计算机视觉、自然语言处理和大语言模型等多个领域的实战案例。
+## 附录
 
-系统性覆盖：涵盖Pytorch基础、计算机视觉基础任务、自然语言处理基础任务、大语言模型基础、推理部署框架。
+~~**停更记录：**~~
 
-适用性广：适合AI自学者、AI产品经理、在校学生以及跨领域人士阅读，满足不同背景和需求的读者。
+| 日期              | 进度           | 停更原因                                                     | 停更时间                         |
+| ----------------- | -------------- | ------------------------------------------------------------ | -------------------------------- |
+| ~~2022年1月下旬~~ | ~~完成至3.2~~  | ~~工作中有个“头疼”的项目~~                                   | ~~2022年1月下旬至2022年4月下旬~~ |
+| ~~2022年7月下旬~~ | ~~完成至7.7~~  | ~~项目多了，新人多了，非公司外的事情多了。<br />预计要到11月可以继续~~ | ~~2022年7月下旬至2023年3月上旬~~ |
+| ~~2023年7月上旬~~ | ~~完成至11.3~~ | ~~小情人诞生，精力耗尽...~~                                  | ~~2022年6月中旬至2023年1月中旬~~ |
 
 
 
-**停更记录：**
 
-| 日期          | 进度       | 停更原因                                                     | 停更时间                     |
-| ------------- | ---------- | ------------------------------------------------------------ | ---------------------------- |
-| 2022年1月下旬 | 完成至3.2  | 工作中有个“头疼”的项目                                       | 2022年1月下旬至2022年4月下旬 |
-| 2022年7月下旬 | 完成至7.7  | 项目多了，新人多了，非公司外的事情多了。<br />预计要到11月可以继续 | 2022年7月下旬至2023年3月上旬 |
-| 2023年7月上旬 | 完成至11.3 | 小情人诞生，精力耗尽...                                      | 2022年6月中旬至2023年1月中旬 |