PyTorch Handbook

1分钟

对比PyTorch和Tensorflow

没有好的框架，只有合适的框架，这篇知乎文章有个简单的对比，所以这里就不详细再说了。并且技术是发展的，知乎上的对比也不是绝对的，比如Tensorflow在1.5版的时候就引入了Eager Execution机制实现了动态图，PyTorch的可视化,windows支持，沿维翻转张量等问题都已经不是问题了。

上一节: 重新介绍 PyTorch 下一节: 再次总结

直播支持申请

职业发展学习路径

热门技术学习路径

搜索热词

目录

评价

推荐

1. PyTorch 简介

PyTorch的由来

Torch是什么？

重新介绍 PyTorch

对比PyTorch和Tensorflow

再次总结

2. PyTorch 环境搭建

Pytorch环境搭建

安装Pytorch

配置 Jupyter Notebook

测试

问题1：启动python提示编码错误

问题2 默认目录设置不起效

3. PyTorch 深度学习:60分钟快速入门 （官方）

PyTorch 深度学习:60分钟快速入门 （官方）

目录

说明

PyTorch是什么?

开始

NumPy 转换

CUDA 张量

Autograd: 自动求导机制

张量（Tensor）

梯度

Neural Networks

定义网络

损失函数

反向传播

更新权重

训练一个分类器

关于数据？

训练一个图像分类器

读取和归一化 CIFAR10

定义一个卷积神经网络

定义损失函数和优化器

训练网路

在测试集上测试网络

在GPU上训练

多GPU训练

下一步？

数据并行（选读）

导入和参数

虚拟数据集

简单模型

创建一个模型和数据并行

运行模型

结果

总结

4. PyTorch 基础

PyTorch 基础 : 张量

张量(Tensor)

基本类型

Numpy转换

设备间转换

初始化

常用方法

使用PyTorch计算梯度数值

Autograd

简单的自动求导

复杂的自动求导

Autograd 过程解析

扩展Autograd

PyTorch 基础 : 神经网络包nn和优化器optm

定义一个网络

损失函数

优化器

PyTorch 基础 :数据的加载和预处理

Dataset

Dataloader

torchvision 包

torchvision.datasets

torchvision.models

torchvision.transforms

3. PyTorch 深度学习:60分钟快速入门（官方）

PyTorch 深度学习:60分钟快速入门（官方）

线性回归（Linear Regreesion）