pytorch 学习

一、环境安装

pytorch主要分为CPU与GPU两个大类型

推荐使用pip安装，首先来到官网：PyTorch，找到如下界面，选择自己需要的安装环境，复制run this command栏的代码进行安装即可。Ps：如果需要使用GPU需要先安装CUDA，网上教程很多就不赘述了，cpu处理比较慢，但gpu对设备有一定要求，如果使用笔记本学习，建议安装cpu版本，或者可以尝试colab（免费的GPU）就是需要魔法环境

二、基本操作：

pytorch的基本操作有很多具体可以参考官网Doc模块，一些基本的简单操作可以参考我的另一篇文章：pytorch中张量的基本操作

三、自动求导机制：

在机器学习中，我们会常常用到梯度下降算法，其中最难实现的一点就是多维矩阵的求导，而pytorch、TensorFlow等框架便可以帮我快捷的实现自动求导。

主要使用backward()或者autograd.grad()实现

基本实现可以参考：pytorch--自动求导

四：着手建立一个简单的天气气温预测的网络模型

具体实现请参考：

基于pytorch实现气温预测

下面简述一下实现思路：

1. 从CSV文件中读取特征数据，使用pandas库的read_csv函数。

2. 数据预处理：处理特征数据（标准化），标签数据（独热编码）

3. 定义神经网络模型，包括输入层、隐藏层和输出层

4. 定义损失函数，使用均方差损失函数。

5. 定义优化器，使用Adam优化器来更新模型的参数。

6. 进行训练，使用MINI-Batch方法进行训练。循环迭代多次，每次迭代都将数据分成小批量进行训练。

7. 预测训练结果，使用训练好的模型对输入特征进行预测。

8. 显示图表，展示结果。