深度学习（一）：PyTorch

zxyzxyzxyzxyzz

已于 2023-12-29 19:56:18 修改

阅读量512

点赞数 7

文章标签：深度学习 pytorch 人工智能

于 2023-12-27 20:38:23 首次发布

本文链接：https://blog.youkuaiyun.com/hhshbubaoyuan/article/details/135200412

版权

本文介绍了PyTorch，一个基于Python的开源库，重点讲解了其张量计算功能、torch.nn模块用于神经网络构建、torchvision库在计算机视觉任务中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、PyTorch简介

PyTorch 是一个基于 Python 的开源机器学习库，用于构建深度学习模型。它提供了灵活的张量计算功能和易于使用的神经网络构建模块，使得开发者能够快速构建和训练深度学习模型。

PyTorch 的核心功能是张量计算。张量是一种多维数组，类似于 NumPy 中的数组，但具有额外的功能。PyTorch 提供了一种类似于 NumPy 的张量操作语法，同时支持在 GPU 上进行高效的张量计算，这使得它在大规模数据和复杂模型的训练中表现优异。

除了核心功能，PyTorch 还提供了其他模块和工具，如 torchvision 用于计算机视觉任务、torchaudio 用于音频处理、torchtext 用于自然语言处理等，使得开发者可以在不同领域的机器学习任务中使用 PyTorch 进行建模和训练。总而言之，PyTorch 是一个功能强大且易于使用的深度学习库，它在学术界和工业界都广泛应用，被许多研究人员和工程师选择用于构建和训练深度学习模型。

二、常用库

2.1 torch.nn

torch.nn 是 PyTorch 中的一个模块，用于实现神经网络的构建和训练。torch.nn 提供了一组用于定义神经网络模型的类和函数。它包含了各种层（如全连接层、卷积层、循环神经网络层等）、激活函数、损失函数、优化器等工具，能够帮助用户方便地构建和训练神经网络模型。通过 torch.nn，你可以创建自定义的神经网络模型，并使用其中的层和函数来定义网络的结构和操作。

torch.nn.Module：一般在搭建模型时需要用到，例如其中最常用的方法有parameters(), eval()， train()等。

torch.nn.functional：一个函数库，例如Relu()，sigmoid()，Tanh()，MaxPool()等。

torch.sequential：一个有序的容器，神经网络模块将按照在传入构造器的顺序依次被添加到计算图中执行。

2.2 torchvision

torchvision 是 PyTorch 的一个辅助库，专门用于处理计算机视觉任务和图像数据。它提供了一系列用于加载、预处理、可视化和评估图像数据的工具和函数。它被广泛用于图像分类、目标检测、图像分割等计算机视觉任务的研究和实践中。

torchvision 提供了以下主要功能：

数据集和数据加载器：torchvision.datasets 模块提供了常用的计算机视觉数据集，如 MNIST、CIFAR-10、ImageNet 等，并且可以方便地通过数据加载器进行批量加载和处理。
图像变换和预处理：torchvision.transforms 模块包含了一系列用于对图像进行变换和预处理的函数，如缩放、裁剪、旋转、标准化等。这些函数可以用于数据增强、数据归一化和准备输入数据等操作。
模型和预训练模型: torchvision.models 模块提供了一些常用的计算机视觉模型，如 VGG、ResNet、AlexNet 等，以及在 ImageNet 等大型数据集上预训练的模型。这些模型可以用作特征提取、迁移学习或微调的基础模型。
图像工具和可视化：torchvision.utils 模块提供了一些用于图像操作、可视化和评估的工具函数，如图像保存、图像显示、计算图像特征等。