pytorch模型构建

本文旨在记录自己学习pytorch所构建的第一个模型，后续将会写有关自然语言处理的相关分享，帮助其他和我一样深度学习领域的小白理解这项技术。

首先，我们学习深度学习不同与其他python扩展内容，深度学习所涉及到的一些专业知识需要有一定的数学和理论基础，不然在听实践课的时候，会一头雾水，这是博主的亲身经历，希望大家脚踏实地，好好学习基础，少走弯路。

下面的内容将围绕所构建的模型来阐述。

配置

博主用的是3.7的python和1.11.0的torch库。不要下载pytorch！注意是torch！

然后需要安装几个支持库和必须的库

numpy

six

pillow

torch-version（计算机视觉）

matplotlib

 导入库

import torch.nn as nn
import torch
import torch.functional as F
import torchvision
import torch.optim as optim
import torchvision.transforms as trans
import matplotlib.pyplot as plt
import numpy as np

张量转换器

我们想要训练模型，那么我们就要知道，我们训练的到底是什么。我们使用tensorflow和pytorch时，模型训练的是张量，关于张量可能有不同的叫法，但本质上是矩阵。所以，一般情况下，我们自己构建数据集和模型时，一定要注意数据类型的转换。

trans = trans.Compose(
    [trans.ToTensor(),
     trans.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))]
)

下载数据集 

下载数据集大家肯定没问题的，下载完之后，可以把download的值改为False或者把download=Ture这段删掉，不影响后面训练的。

# 训练集导入
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True,transform=trans)
# 训练集加载
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=0)

# 测试集导入
testset &#