PyTorch的基本概念

1. 什么是Pytorch，为什么选择Pytroch？

           (1) 什么是Pytorch

                Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是你有合适的 GPU),               就像 Numpy 会把 array 放在 CPU 中加速运算. 所以神经网络的话, 当然是用 Torch 的 tensor 形式数据最好

           (2)为什么选择Pytroch

                1) Python优先支持策略：Pytorch主推的特性之一，就是支持python（官方的提法：puts Python first）。因为直接构                建自 Python C API， Pytorch从细粒度上直接支持python的访问。相比于原生Python实现，引入的新概念很少，这不仅                降 低了 python 用户理解的门槛，也能保证代码基本跟原生的 python 实现一致。事实上，开发者可以直接用原生 python              代码扩展 Pytorch 的 operation。

               2）动态图的良好支持：Tensorflow运行必须提前建好静态计算图，然后通过feed和run重复执行建好的图。但是                         Pytorch 却不需要这么麻烦：PyTorch的程序可以在执行时动态构建/调整计算图。相对来说，pytorch具有更好的灵活                    性。 这得益于Pytorch直接基于 python C API 构建的 python 接口。

             3）易于Debug：Pytorch在运行时可以生成动态图，开发者就可以在堆栈跟踪中看到哪一行代码导致了错误。你甚至可               以在调试器中停掉解释器并看看某个层会产生什么。

1. 通用代码实现流程(实现一个深度学习的代码流程)    

             (1)数据的输入：

               

         (2)  方法的定义：

      (3) 模型训练：

 

参考资料：

https://github.com/datawhalechina/Pytorch/blob/master/%E5%AD%A6%E4%B9%A0%E4%BB%BB%E5%8A%A1/Task1.md?from=groupmessage