奋斗の博客

前言上一篇文章中提到PyTorch提供了两个重要的高级功能，分别是：具有强大的GPU加速的张量计算（如NumPy）包含自动求导系统的的深度神经网络第一个特性我们会在之后的学习中用到，这里暂且按下不表，我们首先来探讨研究一下什么是自动求导Autograd、自动求导Autograd的原理是怎样的等问题。一、使用PyTorch计算梯度数值# 首先导入PyTorchimport torch# 打印一下PyTorch的版本torch.__verson__PyTorch的Autograd模块实

前言之前已经简单讲述了PyTorch的Tensor、Autograd、torch.nn和torch.optim包，通过这些我们已经可以简单的搭建一个网络模型，但这是不够的，我们还需要大量的数据，众所周知，数据是深度学习的灵魂，深度学习的模型是由数据“喂”出来的，这篇我们来讲述一下数据的加载和预处理。首先，我们要引入torch包import torchtorch.__version__一、数据的加载PyTorch通过torch.utils.data对一般常用的数据加载进行了封装，可以很容易地

前言torch.nn是专门为神经网络设计的模块化接口。nn构建于Autograd之上，可用来定义和运行神经网络。这里我们主要介绍几个一些常用的类。约定：torch.nn 我们为了方便使用，会为他设置别名为nn，本章除nn以外还有其他的命名约定。import torchimport torch.nn as nntorch.__version__除了nn别名以外，我们还引用了nn.functional，这个包中包含了神经网络中使用的一些常用函数，这些函数的特点是，不具有可学习的参数(如ReLU，p

前言很多人都会拿PyTorch和Google的Tensorflow进行比较，这个肯定是没有问题的，因为他们是最火的两个深度学习框架了。但是说到PyTorch，其实应该先说Torch。什么是Torch？Torch是一个与Numpy类似的张量（Tensor）操作库，与Numpy不同的是Torch对GPU支持的很好。Lua是Torch的上层包装，虽然Lua速度很快，Lua实在是太小众了，所以才会有PyTorch的横空出世。PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应