什么是PyTorch
2017年 Facebook AI 研发团队开发
训练神经网络的最佳框架
使用起来很方便
学习目标 - 训练一个能对图象进行分类的深度学习模型
1. 学习张量
张量是PyTorch的主要数据结构
如何创建张量
如何完成简单的运算
张量如何与Numpy交互
2. 学习模块Autograd
Autograd可以计算网络中每个运算的梯度, 使用这些梯度更新网络权重
3. 学习使用PyTouch构建网络
使数据前向经过网络
定义损失和优化方法
用数据集训练神经网络
通过验证步骤测试网络的泛化能力
4. 迁移学习
如何使用预训练的网络改善分类器的效果
安装PyTorch - 第一次python下载不成功，第二次很快
1. 张量 - 知识点
1. 张量乘积仍然是张量，用torch.sum() 函数 或.sum()方法，求和
2. 矩阵乘法更高效， torch.mm()要求更严格， torch.matmul()支持广播
3. 构建神经网络时，用tensor.shape 检查张量的形状，频繁用到，不仅是PyTorch，在TensorFlow和其他深度学习框架中也不例外
4. 在设计神经网络架构时，很重要的步骤就是，使张量的形状保持匹配
网友评论