理解神經網絡的基本組成部分，如張量、張量運算和梯度遞減等算法
[TOC]網絡
2.1 安裝PyTorch
使用pip或者conda來安裝，推薦使用Anaconda Python3發行版dom
最新版本的安裝：conda install pytorch torchvision cudatoolkit=10.0 -c pytorch函數
2.2 實現第一個神經網絡
準備數據
- 標量（0維張量）
- 向量（1維張量）
- 矩陣（2維張量）
- 3維張量
- 切片張量
- 4維張量
- 5維張量
- GPU張量
建立數據
- 建立學習參數 變量的建立，requires_grad的值是False；初始化學習參數，requires_grad的值是True
- 神經網絡模型
- 網絡的實現 PyTorch在torch.nn中提供了稱爲層（layer）的高級抽象，層將負責多數常見的技術都須要用到的後臺初始化和運算工做。
- 損失函數 torch.nn庫中有不一樣的損失函數，如均方差（又稱方差，MSE）損失和交叉熵損失。
- 優化神經網絡 不一樣的優化器，如Adam、RmsProp和SGD，已在torch.optim包中實現好
加載數據
兩個重要的工具類：Dataset類和DataLoader類工具
- Dataset類 任何自定義的數據集類，都要繼承自PyTorch的數據集類。 自定義的類必須實現兩個函數：len(self)和__getitem__(self,idx)
- DataLoader類 DataLoader類經過提取出大部分複雜度來幫助建立批數據。 DataLoader類位於PyTorch的utils類中，它將數據集對象和不一樣的取樣器聯合，如SequentialSampler和RandomSampler，並使用單進程或多進程的迭代器，爲咱們提供批量圖片。 取樣器是爲算法提供數據的不一樣策略。 PyTorch團隊也維護了兩個有用的庫，即torchvision和torchtext，這兩個庫基於Dataset和DataLoader類構建。