Pytorch 1.1 介绍为啥要学习pytorch

torch 学习笔记一

为什么有那么多人学习torch？

我从网上搜到的资料大概是：Pytorch相对于Tensorflow,PyTorch 模型的基础上进行修改，非常方便，一切都是那么自然和透明。这吸引了许多研究者参与进来，一步一个脚印，利用别人做出来的东西，更进一步攀爬。

障碍1

首先是面向对象。PyTorch 的代码，当然也可以写成 Keras 那种序列化形式。

然而对于大部分的 PyTorch 用户的应用场景来说，写成那样，是没有什么意义的。
因为他们中的主体，是研究者。研究者不会满足于现有结果或者重复已知模型。他们要搭建自己的模型结构，尝试做自己的实验。

而如果他们要做精细化调整，那些出来的代码大概率会长这个样子：

障碍2

咱们再说第二个坑，也就是“张量”（Tensor）。PyTorch 让许多研究者用户大呼过瘾的奥秘，其实就在于“张量”。因为高阶 API，例如 Keras, 甚至是 fast.ai ，都对张量进行了重度包裹。用户不需要理解什么是张量，也可以做图片分类，也可以分析文本的情感。

但是我们就不要学习torch了吗？非也

虽然说要想学习好torch需要线性代数，面向对象，还有一些数据分析的知识，最怕的就是在学习torch的过程中跌倒了就再也没有爬起来了。苦心人，天不负，三千越甲可吞吴！

预备知识1.matplotlib的基本用法和常识
预备知识2.Pytorch下的线代
预备知识3.pandas的基本用法