PyTorch 2-深度学习-模块
PyTorch 2-深度学习-模块
- 一: pytorch
- 1> pytorch 介绍
- 2> pytorch 作用
- 3> pytorch 优点
- 4> pytorch 流程
- 二：pytorch 模块
- 1> torch.Tensor 模块
- 2> torch.nn模块
- 3> torch.nn.function模块
- 4> torch.random模块
- 5> torch.onnx模块
- 6> torch.sparse模块
- 7> torch.cuda模块
- 8> torch.nn.init模块
- 9> torch.optim模块
- 10> torch.autograd模块
- 11> torch.distributed模块
- 12> torch.distributions模块
- 13> torch.hub模块
- 14> torch.jit模块
- 15> torch.multiprocessing模块
- 16> PyTorch辅助工具模块
- 1. torch.utils
- 三: 流程demo
- 1> 数据（准备和加载）
- 1. 数据拆分-训练集、测试集
- 2. 数据可视化
- 2> 建立模型
- 1. 标准线性回归模型
- 2. 模型基本模块
- 3. 模型实例--parameters()
- 4. 预测（推理）
- 3> 训练模型
- 1. 创建损失函数和优化器
- 2. 训练循环
- 4> 训练后模型预测（执行推理）
- 1. 理解
- 2. 预测及展示
- 5> 保存和加载Pytorch模型
- 1. 主要方法
- 2. 保存Pytorch模型的state_dict()
- 3. 加载保存的PyTorch模型state_dict()
- 6> 训练全过程
- 7> 节点详析
- 1. 全部demo
- 2. 原始参数进行比较
- 3. 预测
- 4. 保存和加载模型
- 5. 实例化实例
- 6. 评估载入的模型
- 四：pytorch 注意技巧
- 五：pythorch其他
一: pytorch
1> pytorch 介绍
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序，它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）；2、包含自动求导系统的深度神经网络。
2> pytorch 作用
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序；
| 提供功能 | 介绍 |
|---|---|
| 1 | 具有强大的GPU加速的张量计算（如NumPy） |
| 2 | 包含自动求导系统的深度神经网络 |
多开源框架(如TensorFlow、Caffe2、CNTK和Theano )采用静态计算图，而PyTorch采用动态计算图。 在静态计算图表中，必须先定义网络模型，然后运行，一次定义并运行多次。 动态计算图表可以在运行中定义，可以在运行时构建，多次构建并运行；
3> pytorch 优点
| 优势 | 介绍 |
|---|---|
| 1 | PyTorch是相当简洁且高效快速的框架 |
| 2 | 设计追求最少的封装 | <