PyTorch 第一章

---

一、定义

1.机器学习

机器学习是一类算法的总称，这些算法企图从大量历史数据中挖掘出其中隐含的规律，并用于预测或者分类，更具体的说，机器学习可以看作是寻找一个函数，输入是样本数据，输出是期望的结果，只是这个函数过于复杂，以至于不太方便形式化表达。机器学习的目标是使学到的函数很好地适用于“新样本”，而不仅仅是在训练样本上表现很好。

2.深度学习

深度学习可以说是在传统神经网络基础上的升级，约等于神经网络。

3.神经网络

神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。

4.前向神经网络

下一层的神经元都是上一层的神经元的加权平均值，然后一层一层的进行嵌入，最后预测一个外围值。

5.循环神经网络

循环神经网络可以通过不断的读入输入信息，最终产生一系列的结果或者一个结果。

二、深度学习模型概况

1.当前深度学习模型总览

2.pytorch于其他模型框架的对比

3.pytorch的用途

4.pyTorch学习方向

三 PyTorch使用

1.PyTorch是什么

PyTorch是一个基于Python的科学计算库，它有以下特点:
①类似于NumPy，但是它可以使用GPU
②可以用它定义深度学习模型，可以灵活地进行深度学习模型的训练和使用

2.PyTorch的简单使用

3.Numpy和Tensor之间的转化

4.用numpy实现两层神经网络

5.用PyTorch tensors来创建前向神经网络

6.PyTorch: Tensor和autograd

7.PyTorch: nn

8.PyTorch: optim

9.PyTorch: 自定义 nn Modules