pytorch学习笔记

pytorch 基本上成了新人进入深度学习领域最常用的框架。相比于 TensorFlow，pytorch 更易学，更快上手，也可以更容易的实现自己想要的 demo。

我个人在学习一门新语言，一个新框架，一个新技术时，最优先要保证的就是成就感反馈。以学习 pytorch 为例，很多教程从张量开始。我自己也按照这种教程学习过，的确内容非常全尽，但是有两个原因，我自己不太推荐以这种方式入门：1）前期学习过于枯燥，没有成就感；2）有的知识内容属于深度学习的基本功，过于赘述。

所以我觉得入门一个新知识的知识，最好是先搭起来结构，然后再去慢慢补充细节。因此我在这篇文章的第一部分，先选择构建一个简单的分类器，让大家知道一个 pytorch 下的代码流程应该是什么样子。

对于第一个 pytorch 程序而言，我们要做的是首先跑通整个流程，如果是一个简单的分类器，数据集也就不能太复杂。因此，我们从三方面考虑：1）自定义生成一些点，分为两类；2）学习如何构建一个浅层的神经网络；3）尝试 pytorch 中的训练和测试过程。

简单的学习:一、自定义生成数据集 二、构建网络的流程 三、训练与测试

下面的文章将会根据上面三步实现一个简单的MINST手写数据分类。