進行深度學習時您將需要的所有PyTorch功能。從實驗/研究的角度來看。

PyTorch?已經成為現在創建神經網絡的事實上的標準之一，我喜歡它的界面。但是，對于初學者來說，要獲得它有些困難。

我記得幾年前經過一些廣泛的實驗之后才選擇PyTorch。實話實說，我花了很多時間才撿起來，但我很高興我從Keras搬到 PyTorch。?憑借其高度可定制性和python語法，?PyTorch可以與?他人一起工作，這是我的榮幸，我將其推薦給任何希望通過深度學習進行繁重工作的人。

因此，在本PyTorch指南中，?我將嘗試減輕PyTorch對于初學者的痛苦，并介紹在使用Pytorch?創建任何神經網絡時需要的一些最重要的類和模塊。

但是，這并不是說它僅針對初學者，因為?我還將談論?PyTorch提供的高可定制性，并談論自定義的Layers，Datasets，Dataloaders和Loss函數。

張量

張量是PyTorch的基本構建塊，簡單地說，它們是NumPy數組，但在GPU上。在這一部分中，我將列出一些在使用Tensors時可以使用的最常用的操作。這絕不是張量可以執行的詳盡操作列表，但是在進行更令人興奮的部分之前了解張量是有幫助的。

1.創建張量

我們可以通過多種方式創建PyTorch張量。這包括從NumPy數組轉換為張量。下面只是一個要點，下面是一些示例，但是您可以 ?像使用NumPy數組一樣使用張量來做更多的事情。

2.張量運算

同樣，您可以對這些張量執行很多操作。

編輯搜圖

請點擊輸入圖片描述

注意：?什么是PyTorch變量？在以前的Pytorch版本中，Tensor和Variables曾經是不同的，并且提供了不同的功能，但是現在不贊成使用Variable API ，并且所有用于Tensors的變量 方法都可以使用。因此，如果您不了解它們，那很好，因為它們不是必需的，如果您了解它們，則可以將它們忘記。

nn.模塊

但是話又說回來，如果Pytorch沒有提供很多現成的層，而這些層在各種神經網絡體系結構中非常頻繁地使用，則Pytorch不會被廣泛使用。一些例子是：nn.Linear，nn.Conv2d，nn.MaxPool2d，nn.ReLU， ?nn.BatchNorm2d，nn.Dropout，nn.Embedding， ?，，??，，，nn.GRU/nn.LSTMnn.Softmaxnn.LogSoftmaxnn.MultiheadAttentionnn.TransformerEncodernn.TransformerDecoder

編輯搜圖

圖片模糊，建議替換或刪除×

請點擊輸入圖片描述

編輯搜圖

請點擊輸入圖片描述

在這里，我們定義了一個非常簡單的網絡，該網絡接受大小為784的輸入，并以順序方式將其通過兩個線性層。但是要注意的是，我們可以在定義前向通過時定義任何類型的計算，這使得PyTorch高度可定制以用于研究目的。例如，在瘋狂的實驗模式下，我們可能使用了以下網絡，在該網絡上我們任意附加了圖層。在這里，我們在將輸入再次添加回第二個線性層(跳過連接)之后，將輸出從第二個線性層再次發送回第一個線性層。

編輯搜圖

請點擊輸入圖片描述

我們還可以檢查神經網絡正向傳遞是否起作用。通常，我首先創建一些隨機輸入，然后將其通過我創建的網絡進行傳遞。

關于層的一句話

Pytorch非常強大，您實際上可以使用自己創建任何新的實驗層 nn.Module。例如，而不是使用預定義的線性層 nn.Linear。從Pytorch以上，我們可以已經創建了?定制線性層。

您將看到如何在中包裝權重張量。nn.Parameter.這樣做是為了使張量被視為模型參數。

參數是?Tensor子類，當與Module-一起使用時具有非常特殊的屬性 -當將它們分配為模塊屬性時，它們會自動添加到其參數列表中，并將出現在?parameters()迭代器中。

稍后您將看到，model.parameters()迭代器將成為優化器的輸入。但是稍后會更多。現在，我們現在可以在任何PyTorch網絡中使用此自定義層，就像其他任何層一樣。

但是話又說回來，如果Pytorch沒有提供很多現成的層，而這些層在各種神經網絡體系結構中非常頻繁地使用，則Pytorch不會被廣泛使用。一些例子是：nn.Linear，nn.Conv2d，nn.MaxPool2d，nn.ReLU， ?nn.BatchNorm2d，nn.Dropout，nn.Embedding，nn.GRU/nn.LSTM，nn.Softmax，nn.LogSoftmax，nn.MultiheadAttention，nn.TransformerEncoder，nn.TransformerDecoder

以上就是Torch的基礎操作，下一篇文章會為同學們講解卷積部分的操作。

總結

以上是生活随笔為你收集整理的数组nn从外围1递增_最完整的PyTorch数据科学家指南（1）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。