Автор: Дзен и искусство компьютерного программирования
1. Введение
обзор
PyTorch — это платформа машинного обучения с открытым исходным кодом, основанная на языке Python и библиотеке числовых вычислений NumPy, которая представляет собой набор инструментов для построения и обучения нейронных сетей. Он обеспечивает мощные возможности ускорения графического процессора, механизм автоматического деривации, модульную конструкцию и другие функции, подходящие для различных сценариев приложений. В этой статье подробно рассказывается об использовании и функциях PyTorch, включая загрузку данных, построение модели, обучение модели, тестирование модели и т. д., а также приводится несколько конкретных примеров, которые помогут читателям быстро приступить к работе.
целевая аудитория
- Люди с определенным фундаментом в машинном обучении
- Читатели, которые интересуются глубоким обучением и хотят узнать больше
- Лица, знакомые со средами Linux или другими компьютерными средами на базе ЦП.
- Читатели с лучшими аппаратными условиями, которым необходимо использовать GPU
- Люди с соответствующим опытом программирования (например, Python, C/C++)
Организационная структура и основное содержание статьи
- Часть 1: Введение в установку и настройку PyTorch и основные понятия
- Установите ПиТорч
- Некоторые основные понятия PyTorch
- Tensor: многомерный массив, похожий на ndarray в Numpy.
- Autograd: автоматический механизм вывода, который может автоматически выводить Tensor и реализовывать обратное распространение
- Поддержка графического процессора: используйте графический процессор для ускорения моделей обучения.
- Сохранение и загрузка модели: сохраните или загрузите обученную модель
- Загрузчик набора данных: используется для загрузки наборов данных и создания пакетных итераторов.
- Часть 2: Построение модели и ее применение
- AlexNet модель
- модель ВГГ
- Модель ResNet
- автоэнкодер
- ОДНАКО
- часть 3