1、当前大家存在的问题
现在很多AI专业的学生学的太浅,基础很差,难以达到企业用人的标准。举个简单的例子来说,梯度下降法这是个非常基础的知识点,虽然很多人都会,但是当面试官稍微延伸一下:请你说一下梯度上升法是怎么回事?面对这个问题,很多人往往抓耳挠腮则不知道怎么回答。再举一个例子,面试官会问:在深度网络模型中,如果想冻结某个网络层的参数,使它不参与训练,应该如何实现呢?面对这个问题,很多应聘者也回答不出来。其实,这是优化器(例如,Adam 优化器)的基本用法,并不难的。由此可见,很多人学习PyTorch学的太浅了,只是浮于表面,并没有学好PyTorch。针对这个情况,我编写了一本小册子《PyTorch面试精华》,目的是想从面试题的角度带领大家一览PyTorch风采,让众多的AI学生快速地打牢深度学习的基础。
2、《PyTorch面试精华》的特点
《PyTorch面试精华》目前共收录了100个PyTorch核心知识点。前期本来计划完成50个PyTorch知识点,但是随着编写的深入,我发现了更多的技术点,随一并收录了进来。《PyTorch面试精华》的最大特点就是:这是一本全面化、系统化的教程,收录尽可能多的PyTorch知识点,纠正大家的碎片化学习方式,提供一个系统化学习的机会。《PyTorch面试精华》收录的都是核心和精华,类似这样的知识点:
(1)Tensor的内存布局相关的知识点。
(2)torch.stack()函数的使用
(3)Adam优化器与冻结网络参数的学习方式
(4)梯度装饰器的使用
(5)动态计算图与链式求导
(6)ReLu实现非线性功能的底层原理
(7)......