第二章、神经网络的构建模块

第二章、神经网络的构建模块

本章首先介绍了pytorch的安装，我是在linux服务器下的anaconda的环境下安装的，今天主要介绍第一个·神经网络示例，后续有机会我会把安装的具体操作写下来的。
文章展示了我们的第一个神经网络，它学习如何映射训练例子(输入数组)到目标(输出数组)。这个示例假想：训练数据是用户在平台上看电影的平均时间，我们要预测在接下来的一周用户花费多少时间在平台上看电影。构建这样一个方案需要做如下事情：
数据准备：get_data函数准备包含输入和输出数据的张量(数组)。
数据准备阶段介绍了一些常用的张量：1.标量，不含元素的一维张量。2.向量，就是一个元素数组。3.矩阵，即二维张量。4.三维张量，例如图像形状（height,width,rgb).5.四维张量,例如一批图片（batch，height，width，rgb）6、五维张量，如一批video表示为(视频剪辑的数量，帧，height，width，rgb）。7.GPU张量。8、变量，在一个张量对象、它的梯度和创建它的函数的参考周围形成了一个薄薄的包装。
创建可学的参数：get_weight函数为我们提供了包含随机值的张量，我们将对其进行优化来解决我们的问题。
网络模型：simple-work函数产生输入数据的输出，应用线性规则，将权值与输入数据相乘，加上偏差项(y = Wx+b) 。
损失函数：loss_fn函数提供关于模型好坏的信息。
优化器：optimize 函数帮助我们调整最初创建的随机权值，以帮助模型更准确地计算目标值。