pytorch的一点小窍门（2）-基本的架构搭建

在pytorch中我么如何去学着搭建一个最基本的架构呢？

一个架构的搭建分为一下几步：

1：导入常用的包：torch,torch.nn,torch.functional等

2：将要处理的数据导入，这里不得不说，pytorch现阶段支持的数据集比较少，如果你要使用的数据集不在其支持的数据集列表里，那你就要自己编写程序进行导入了，这个会在后面的章节里详说

3：网络的搭建，写一个网络类，然后内部包含两个方法：

     1》__init__()函数，这个主要是完成搭建材料的导入工作，如：self.relu = torch.nn.Relu()

     2》forward()函数，这个主要是按照顺序搭建起整个网络来，最后得到结果

4：选择要使用的损失函数类型和优化器类型

5:框架最便利也是最吸引人的自动求导

1》zero_grad():将所有的参数的导数置零（为什么要置零？本人亲身试验过，如果不置零，其参数的导数会不断的累加，我们知道，我们在进行梯度下降的过程中当前的下降只用到当前的导数，下一个地点的下降是下个地点导数的事情，如果将其累加，就会出错）

2》losses.backward()这里的losses是我们使用的损失函数，对其进行反向求导

3》optim.step()这里的optim是我们选择的优化器，step是进行一步优化，也就是将我们上面back