理解神经网络的基本组成部分，如张量、张量运算和梯度递减等算法
[TOC]网络
2.1 安装PyTorch
使用pip或者conda来安装，推荐使用Anaconda Python3发行版dom
最新版本的安装：conda install pytorch torchvision cudatoolkit=10.0 -c pytorch函数
2.2 实现第一个神经网络
准备数据
- 标量（0维张量）
- 向量（1维张量）
- 矩阵（2维张量）
- 3维张量
- 切片张量
- 4维张量
- 5维张量
- GPU张量
建立数据
- 建立学习参数 变量的建立，requires_grad的值是False；初始化学习参数，requires_grad的值是True
- 神经网络模型
- 网络的实现 PyTorch在torch.nn中提供了称为层（layer）的高级抽象，层将负责多数常见的技术都须要用到的后台初始化和运算工做。
- 损失函数 torch.nn库中有不一样的损失函数，如均方差（又称方差，MSE）损失和交叉熵损失。
- 优化神经网络 不一样的优化器，如Adam、RmsProp和SGD，已在torch.optim包中实现好
加载数据
两个重要的工具类：Dataset类和DataLoader类工具
- Dataset类 任何自定义的数据集类，都要继承自PyTorch的数据集类。 自定义的类必须实现两个函数：len(self)和__getitem__(self,idx)
- DataLoader类 DataLoader类经过提取出大部分复杂度来帮助建立批数据。 DataLoader类位于PyTorch的utils类中，它将数据集对象和不一样的取样器联合，如SequentialSampler和RandomSampler，并使用单进程或多进程的迭代器，为咱们提供批量图片。 取样器是为算法提供数据的不一样策略。 PyTorch团队也维护了两个有用的库，即torchvision和torchtext，这两个库基于Dataset和DataLoader类构建。