qwerty200696的博客

了解张量的概念，这是PyTorch数据结构的基础。张量类似于NumPy的数组，但它们可以利用GPU进行加速计算。深入理解的 C++ 源码可以揭示 PyTorch 如何高效地执行自动求导和反向传播。然而，这需要对 C++ 和深度学习算法有深厚的了解，以及对 PyTorch 源码的详细研究。对于大多数用户而言，了解高层次的接口和使用方式就已经足够了。如果需要进行底层优化或扩展 PyTorch 的功能，那么深入源码是必要的。

问答干货①练手项目推荐：《机器学习实战》,从零开始写机器学习算法代码，有实际的项目。有一定了解之后，去Kaggle上找竞赛做。②教程推荐：公开课（吴恩达、coursera等），coursera上吴恩达的公开课③语言推荐：python，MATLAB。很多开源工具（MXNet，Tensorflow，Keras）都有Python接口。④python方面，网上有很多博客，比如廖雪峰的博客，感觉只需要了解即可