一、pytorch以及其他大多数深度学习框架,主要用于两个方面: 用GPU加速过的运算替代与Numpy类似的运算构建深度神经网络 二、神经网络构成 准备数据:采用函数准备输入和输出的张量(数组 创建学习参数:采用函数提供以随机值初始化的张量,网络 通过优化这些参数来解决问题 网络模型:根据实际情况为数据如数据生成输出 线性函数: y=wx+b 非线性函数:sgmoid tanh: ReLU: 损失函数:SSE和方差、MSE均方差、交叉熵损失 优化器:Adam、SGD