PyTorch 开篇

文章目录

• • 背景
  • 基础
  • 模型训练篇
  • 实战篇
  • 峰会
  • 官网

背景

机器学习与深度学习PyTorch ，有着对用户友好的命令式编程风格，PyTorch 设计得更科学，无需像 TensorFlow 那样，要在各种 API 之间切换，操作更加便捷。
PyTorch 的环境配置也很方便，各种开发版本都能向下兼容，不存在老版本的代码在新版本上无法使用的困扰，而且 PyTorch 跟 NumPy 的风格比较像，能轻易和 Python 生态集成起来，我们只需掌握 NumPy 和基本的深度学习概念即可上手，在网络搭建方面也是快捷又灵活。
另外，PyTorch 在 debug 代码的过程也十分方便，可以随时输出中间向量结果。用 PyTorch 就像在 Python 中使用 print 一样简单，只要把一个 pdb 断点扔进 PyTorch 模型里，直接就能用。

基础

Numpy 常用操作
张量（Tensor）

模型训练篇

在这个部分，会结合深度学习模型训练的一系列流程，为你详解自动求导机制、搭建网络、更新模型参数、保存与加载模型、训练过程可视化、分布式训练等等模块，带你具体看看 PyTorch 能给我们提供怎样的帮助。通过这个部分的学习，你就能基于 PyTorch 搭建网络模型了。

实战篇

PyTorch 框架在具体项目实践中的应用来讲的。

峰会

CV 和 NLP 领域的顶级峰会

官网

https://pytorch.org/docs/stable/index.html