Pytorch基础-第一课

本文大量参考了：

https://www.jianshu.com/p/51d8b353b435

1 PyTorch简介

PyTorch是Torch7团队开发的。Torch是一个开源科学计算框架，可以追溯到2002年纽约大学的项目。Torch的核心在于在构建深度神经网络及其优化和训练，为图像，语音，视频处理以及大规模机器学习问题提供快速高效的计算方案。为了追求更高的速度，灵活性和可扩展性，Torch采用Lua作为它的开发语言，但lua语言的受众比较局限。为了满足当今业界里Python先行(Python First)的原则，PyTorch应运而生，由Facebook人工智能研究员(FAIR)于2017年在GitHub上开源。顾名思义，PyTorch使用python作为开发语言，近年来和tensorflow, keras, caffe等热门框架一起，成为深度学习开发的主流平台之一。
什么是pytorch?
PyTorch是一个基于python的科学计算包，作为Numpy的替代，可利用GPU性能进行计算。作为深度学习开发平台，提供很高的灵活性和速度。
为什么选择PyTorch

• 简洁性；
• 动态计算；
• 活跃的社区；
• 受众越来越广

2 安装

1、进入pytorch官网，进入Get started；
2、选择对应自己的开发环境的pytorch版本，系统，采用的安装方式等，官方会给出对应的安装命令：https://pytorch.org/get-started/locally/， 如下：

3 PyTorch基础概念

张量(Tensor)
张量是PyTorch中最基本的元素，相当于numpy.ndarray. 两者的运算方式也如出一辙，在PyTorch中也可以相互转化。
变量(Variable)
Tensor是PyTorch中对numpy.ndarray的完美替代品，但搭建神经网络时，还需要variable来构建计算图。Variable是对tensor的封装，是一个存放会变化的值的地理位置，这个值就是tensor。每个variable有3个属性：
variable.data: variable中tensor的值；
variable.grad:variable中tensor的梯度;
variable.gradfn:指向Function对象，用于反向传播的梯度计算之用。
神经网络模块(nn.Module)
nn是PyTorch中专门为神经网络设计的借口。nn.Module是nn中一个重要的类，的含各种网络层的定义以及前向传播(forward pass)的方法。在定义自己的神经网络时，需要继承nn.Module类，并实现自己的forward方法;

4 通用代码实现流程

• 安装并导入相关的深度学习库;
• 数据获取和预处理;
• 定义神经网络;
• 定义损失函数(loss function)和优化器(optimizer);
• 训练网络;
• 测试网络