2.5 结论
我们希望这是一个有趣的章节。 我们花了一些时间来玩用PyTorch创建的模型，这些模型已经过优化，可以执行特定的任务。 实际上，我们更具进取心的人们已经可以将其中一种模型放在网络服务器后面，并开展业务，与原始作者分享利润！ 一旦学习了如何构建这些模型，我们还将能够使用在这里获得的知识来下载预训练的模型，并在稍有不同的任务上快速对其进行微调。
我们还将看到如何使用相同的构建块来完成处理不同类型数据上不同问题的构建模型。 PyTorch特别正确的一件事是以基本工具集的形式提供这些构建块-从API角度来看，PyTorch并不是一个很大的库，尤其是与其他深度学习框架相比时。
本书并不侧重于完整的PyTorch API或复习深度学习架构。 相反，我们将建立有关这些构建块的动手知识。 这样，您将能够在坚实的基础之上使用出色的在线文档和存储库。
从下一章开始，我们将踏上一段旅程，使我们能够使用PyTorch从头开始讲授本章所述的计算机技能。 我们还将学习，从预先训练的网络开始并在新数据上进行微调，而不是从头开始，是解决现有数据点特别少的问题的有效方法。 这是预训练网络是深度学习从业人员拥有的重要工具的另一个原因。 是时候学习第一个基本构建块：张量了。
网友评论