Pytorch学习总结

将训练数据交给自己搭建的神经网络进行训练，得到的参数保存起来，然后再利用验证数据集进行验证，查看损失函数的大小和精度的大小（当然，训练过程中也是可以看到的）。具体参数是如何得到的不需要我们考虑，因为这些是底层的东西。损失函数的大小和精度的大小是通过调用已经有的方法来做到的，因此也不需要考虑如何实现的，用现有的即可。

张量（Tensor）：在Pytorch中，可以是一个标量，一个向量，一个矩阵，一个更高维的数组。

torch:用于神经网络的搭建和训练。
torchvision：是深度学习相关的库，可以使用其中的数据。
matplotlib:图像可视化库。
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，也针对数组运算提供大量的数学函数库。
pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。
sklearn.preprocessing：用于数据标准化预处理。
sklearn.model_selection：用于数据集的切分。
sklearn.metrics：用于评价模型的预测效果。
sklearn.manifold：用于数据的降维与可视化。
nltk：对文本进行清洗等预处理。
torchtext：将清洗后的文本处理为Pytorch可使用的张量数据形式。

全连接神经网络：只有三层，输入层，隐藏层，输出层，隐藏层可以有多层。该神经网络中ÿ