摘要：0503-autograd实战之线性回归 pytorch完整教程目录：https://www.cnblogs.com/nickchen121/p/14662511.html 一、用 variable 实现线性回归（autograd 实战） import torch as t from torch.a 阅读全文

摘要：0502-计算图 pytorch完整教程目录：https://www.cnblogs.com/nickchen121/p/14662511.html 一、手动计算梯度 torch 的 autograd 的底层采用了计算图，它是一种特殊的有向无环图，记录算子和变量的关系，如下图所示： 其中 MUL 和 阅读全文

摘要：这篇文章的内容到这里就差不多了，这次以基础的内容为主，简单的梳理一下，首先我们上次知道了构建神经网络的两个步骤：搭建子模块和拼接子模块。而这次就是学习各个子模块的使用。从比较重要的卷积层开始，学习了1d 2d 3d 卷积到底在干什么事情，采用了动图的方式进行演示，卷积运算其实就是通过不同的卷积核去提取不同的特征。然后学习了 Pytorch 的二维卷积运算及转置卷积运算，并进行了对比和分析了代码上如何实现卷积操作。 第二块是池化运算和池化层的学习，关于池化，一般和卷积一块使用，目的是收集和合并卷积提取的特征，去除一些冗余，分为最大池化和平均池化。然后学习了全连接层，这个比较简单，不用多说，最后是非线性激活函数，比较常用的 sigmoid，tanh, relu等。 今天的内容就到这里，模型模块基本上到这里也差不多了，根据我们的那个步骤：数据模块 -> 模型模块 -> 损失函数 -> 优化器 -> 迭代训练。所以下一次开始学习损失函数模块，但是在学习损失函数之前，还得先看一下常用的权重初始化方法，这个对于模型来说也是非常重要的。所以下一次整理权值初始化和损失函数。 阅读全文

摘要：上面笼统的介绍了如何利用 nn 这个工具箱去搭建一个神经网络，但是只给出了一个流程，很多细节我们还没有详细解释，但这已经足够了。 下一篇文章我们就将详细介绍 nn 工具箱的各种细节方面的东西，等你看完下一篇文章如果再跳回来看这篇文章，相信定会有醍醐灌顶之效。 阅读全文

摘要：本篇文章介绍了 torch 的一个核心——autograd，其中 autograd 中的 variable 和 Tensor 都属于 torch 中的基础数据结构，variable 封装了 Tensor ，拥有着和 Tensor 几乎一样的接口，并且提供了自动求导技术。autograd 是 torch 的自动微分引擎，采用动态计算图的技术，可以更高效的计算导数。 这篇文章说实话是有点偏难的，可以多看几遍，尤其是对于还没有写过实际项目的小白，不过相信有前面几个小项目练手，以及最后一个线性回归的小 demo，相信你差也不差的能看懂，但这都不要紧，在未来的项目实战中，你将会对 autograd 的体会越来越深刻。 阅读全文

摘要：- `Tensors`并`Variables`已合并 - `Tensors`支持0维（标量） - 弃用`volatile`标签 - `dtypes`，`devices`和`NumPy`风格的创作功能 - 编写`device-agnostic`代码 - `nn.Module`中子模块名称，参数和缓冲区中的新边界约束 阅读全文

摘要：这篇文章通过手写数字问题的引入，算是对深度网络模型做了一个简单的介绍。 接下来也将通过torch解决手写数字问题，两者映照，将会让你更加了解torch实现一个深度模型解决实际问题的流程。 阅读全文

摘要：Pytorch从入门到放弃 一、前置基础（选看） 0101-Python从入门到放弃（目录） 0102-人工智能（目录） 0103-numpy模块 0104-DeepLearning-图像识别（cnn 流程架构） 二、Pytorch 引入 本章更多的是对 torch 的发展史的简单阐述。 0201- 阅读全文