2020李宏毅学习笔记——13.pytorch Tutorial

1.概述：看官网

1.1 本质就时一个加了GPU的numpy
Python的支持—如上所述，PyTorch可以顺利地与Python数据科学栈集成。它非常类似于numpy，甚至注意不到它们的差别。
1.2动态计算图
取代了具有特定功能的预定义图形，PyTorch为我们提供了一个框架，以便可以在运行时构建计算图，甚至在运行时更改它们。在不知道创建神经网络需要多少内存的情况下这非常有价值。
1.3易于使用的API
它就像Python一样简单。

2.主要元素：

2.1PyTorch张量
2.2数学运算
2.3 Autograd模块
2.4·Optim模块
2.5 ·神经网络模块

2.1 PyTorch张量
张量只是多维数组.
PyTorch中的张量类似于numpy的ndarrays，张量也可以在GPU上使用。PyTorch支持各种类型的张量。

2.2数学运算
与numpy一样，科学计算库非常重要的一点是能够实现高效的数学功能。而PyTorch提供了一个类似的接口，可以使用200个以上的数学运算。

转置一个二维矩阵：

3.3Autograd模块自动微分
PyTorch使用了一种叫做自动微分的技术。也就是说，它会有一个记录我们所有执行操作的记录器，之后再回放记录来计算我们的梯度。这一技术在构建神经网络时尤其有效，因为我们可以通过计算前路参数的微分来节省时间