Pytorch基础入门（二）

Pytorch常见函数

1.图像和视觉处理

torchvision.transforms.Resize()	改变图像大小
torchvision.transforms.Normalize()	标准化图像数据
torchvision.datasets	提供常见的图像数据集加载接口

2.神经网络构建

torch.nn.Linear()	全连接层
torch.nn.Conv2d()	2D卷积层
torch.nn.MaxPool2d() torch.nn.AvgPool2d()	最大池化 平均池化
torch.nn.ReLU()  torch.nn.Sigmoid()	ReLU激活函数 Sigmoid激活函数

3.训练和优化

torch.optim.Adam() torch.optim.SGD()	常见的优化器
torch.autograd.backward()	自动计算梯度

4.模型保存和加载

torch.save() torch.load()

用于和加载模型或张量

5.函数式接口

torch.nn.functional

提供了一系列函数式的API，如用于ReLU激活的torch.nn.funtional.relu()

6.数据处理和转换

torch.tensoer()	创建一个张量
torch.zeros() torch.ones()	创建全0张量 创建全1张量
torch.randn()	创建正态分布的张量
torch.from_numpy()	将Numpy数组转化为张量
torch,mean() torch.std() torch.var	均值 标准差 方差

7.高级数据处理和转换

torch.index_select()	按指定维度和索引选择数据
torch.masked_select()	根据布尔掩码选择元素
torch.add() torch.mul() torch.div()	加 + 减 - 除 ÷
torhc.matmul()	张量的矩阵乘法

8.模型分析和调试

torch.autograd.gradcheck()	用于检查梯度的正确性
troch.autograd.profiler.profile()	性能分析工具（用于分析模型的时间和内存消耗）
torchviz	一个非官方的可视化工具，用于绘制模型的计算图

9.高级网络构建

troch.nn.LSTM()	长短期记忆网络层
torch.nn.GRU()	门控循环单元层
torch.autograd.function	用于创建自定义的可微分操作
torch.nn.Module	自定义网络层或整个模型的基类

10.优化和调参

torch.optim.Ir_scheduler	学习率调度器，用于调整学习率
torch.optim.RMSprop	RMSprop优化器，常用于训练RNN

11.特殊用途函数和使用工具

torch.distributed	支持分布式训练的模块
torch.no_grad()	禁用梯度计算（模型评估和推理时使用）

12.高级数学和统计函数

torch.exp() torch.log()	指数运算 对数运算
torch.sin() torch.cos()	三角函数