Pytorch基础知识

---

前言
在上一篇文章中，我们介绍了PyTorch的优点，案例，PyTorch和Tensorflow的对比。

今天我们主要介绍机器学习问题的构成元素，pytorch中的基本概念：张量，变量，nn.Module,Tensor与机器学习的关系。

---

• 1.1 机器学习问题的构成元素

  • 对于y=f（x），f（x）=wx+b
  • 样本： 抽取客观的规律，对应学习，对于函数来说，y就是标签，x就是属性
  • 模型： 对于函数来说，模型就相当于f，通过挖掘属性之间的一些内在联系，得到样本的标签
  • 训练： 学习这个过程，就是训练，求解w和b的过程，会有非常多的样本，参数没有那么多，但是在深度学习中参数比样本多，
  • 测试： 模型性能的评估的过程
  • 推理： 计算标签的过程

• 1.2 pytorch中的基本概念

  • 1.2.1 Tensor

    • 张量

      • 描述任一