pytorch 入门笔记 | 谈谈pytorch的框架特色

pytorch 可以说是深度学习入门首选的框架，语法特点特别接近numpy，上手简单。作为一门流行的框架，总有它流行的原因，笔者认为这是pytorch框架的一些特色所决定的，以下内容来源笔者在入门学习中的体会，因此作文总结。

近期我简单入门了一下深度学习，对 pytorch 有了一定的掌握和认识，不得不感慨 pytorch 大法好，对深度学习新手特别友好，和numpy有着相似的语法特点，但有一些专门为深度学习设计的框架特色，以下结合个人所学和体会，得出以下两大特色：

1. 声明张量矩阵，可以自动计算梯度，省去了许多计算代码；
2. 快速搭建神经网络，提供简单易懂的模型算法接口

 

自动计算梯度

在 pytorch 中矩阵变量是以张量（tensor）来声明定义的，我们可以在声明张量的时候，决定该变量是否自动计算梯度。

以下给出简单的例子。

简单的线性模型 - 1

import torch
import torchvision 
import torch.nn as nn
import numpy as np
import torchvision.transforms as transforms

x = torch.tensor(1., requires_grad = True)
w = torch.tensor(2., requires_grad = True)
b = torch.tensor(3., requires_grad = True)
print(x, w, b