PyTorch 1-深度学习
深度学习-PyTorch
- 一: Pytorch
-
- 1> pytorch简介
- 2> PyTorch 特点&优势
- 3> pytorch简史
- 4> pytorch 库
- 5> PyTorch执行流程
- 6> PyTorch 层次结构
- 二: PyTorch常用的高级API和函数
-
- 1> 自动求导（Autograd）
- 2> 模型容器（Module）
- 3> 优化器（Optimizer）
- 4> 学习率调度器（Learning Rate Scheduler）
- 5> 损失函数（Loss Function）
- 6>数据增强（Data Augmentation）
- 三： PyTorch构建
-
- 1> PyTorch构建深度学习模型
- 2> PyTorch 模型训练和优化
- 四：PyTorch QAT
-
- 1> 张量（Tensor）是什么？它与NumPy中的数组有何区别?
- 2> autograd是什么？它有什么作用？
- 3> 如何在PyTorch中进行模型训练和优化
一: Pytorch
1> pytorch简介
| 序列 | 介绍 |
|---|---|
| 1 | pytorch 是深度学习框架和科学计算包 |
| 2 | pytorch之所以可以进行科学计算是因为它是一个张量库并且有相关的张量运算 |
| 3 | pytorch和numpy有很强的互操作性， 原因：1.张量和数组具有相似性；2.pytorch的torch.tensor对象是由numpy的ndarray创建的，它们共享内存 |
| 4 | pytorch 张量运算可在GPU上运行 |
2> PyTorch 特点&优势
| 优势 | 介绍 |
|---|---|
| 易于使用和学习 | PyTorch采用了类似于Python的语法，使得它容易上手和学习。它还提供了丰富的文档和教程，使得开发者可以快速地掌握它的基本使用方法。 |
| 动态计算图 | PyTorch使用动态计算图，这意味着计算图是根据代码在运行时动态生成的，而不是在编译时静态生成的。这使得它更加灵活和易于调试。 |
| 高效的GPU加速 | PyTorch可以在GPU上高效地运行，这使得它能够处理大规模的数据集和模型。 |
| 强大的自动微分 | PyTorch内置了自动微分功能，这使得开发者可以轻松地计算模型的导数， |
（图片来源网络，侵删）
免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度，360，搜狗等多加搜索引擎自动关键词搜索配图，如有侵权的图片，请第一时间联系我们，邮箱：ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!
