深度学习——PyTorch基础 张量(Tensor)，就如同理解深度学习的 DNA。在数据科学和深度学习的世界中，张量(Tensor)犹如一把刀，功能强大，适应范围广泛。你可以将其想象为一个多维大礼盒竹，无论大礼盒内是一个还是多个数据元素，都可以被这个"大礼盒"完美包裹和处理。
深度学习--PyTorch的特点和概述 PyTorch主要提供动态图计算的功能，API涉及接近Python原生语法，因此易用性较好，但是在图优化方面不如TensorFlow。这样的特点导致TensorFlow大量用于AI企业的模型部署，而学术界大量使用PyTorch进行研究。不过目前工业界也在向Pytorch转型。
深度学习——深度学习框架 目前常用的深度学习框架有PyTorch、Theano、TensorFlow、Keras、Caffe、MXNet、CNTK、PaddlePaddle。这些深度学习框架被应用于计算机视觉、自然语言处理、语音识别、机器学习等多个领域。
深度学习--深度学习简介 卷积神经网络可以模拟人类处理视觉信息的方式提取图像特征，极大地推动了计算机视觉领域的发展。自然语言处理是典型的时序信息分析问题，其主要应用包括句法分析、情感分类、机器翻译等。强化学习强调智能体与环境的交互与决策，具有广泛的应用价值。通过引入深度学习，模型的函数拟合能力得到了显著的提升，从而可以应用到一系列高层任务中。
关注
