概念理解（机器学习、神经网络、深度学习、PyTorch）

机器学习是什么？

定义： 机器学习是指用某些算法指导计算机利用已知数据得出适当的模型，并利用此模型对新的情境给出判断的过程。

模型： 给定一个输入需要返回一个输出。本质上是一个函数，其作用是实现从一个样本x到样本的标记值 Y的映射，即f(x)->Y。
预测： 当给一张新图片或者一句新的话，预测想要预测的结果.
学习： 本质上就是优化参数的过程，使其在某问题上得到优化提升

神经网络是什么？

神经网络简单点将就是由好多个神经元组成的系统。这是模拟人类的神经网络。如果一个神经元是一个函数，那么神经网络就是一个函数网络，也就是说，我们有很多个这样的功能（比如学习单元），这些学习单元的输入和输出相互交织，相互之间也有反馈。

深度学习是什么？

深度学习就是用多层次的分析和计算手段，得到结果的一种方法。

例如下图：
最左边为一张图片的表示信息对每一层神经进行例如加权平均得出最高预测值的结果就是图片的最终预测结果

深度学习简单点说就是一种为了让层数较多的多层神经网络可以训练，能够运行起来而演化出来的一系列的新的结构和新的方法。

PyTorch与其他框架对比：
PyTorch: 动态计算图 Dynamic Computation Graph
Tensorflow: 静态计算图 Static Computation Graph

PyTorch代码通俗易懂，非常接近Python原生代码，不会让人感觉是完全在学习一门新的语言。

拥有Facebook支持，社区活跃。

PyTorch能做什么？

1. 让运算能够在 GPU 上进行

2. 让运算能够自动求导

3. 让复杂运算能够直接调用