Pytorch入门到进阶(实战计算机视觉与自然语言处理项目)

PyTorch是目前深度学习的主流框架之一,它有着成熟的生态、大量开源的源码以及最新的模型,无论学术研究还是工程落地,PyTorch都是主流选择。同时,PyTorch比其他深度学习框架更易学,也是新手入门的好选择。

本课程将算法、4 A c b _ t模型和基础理论知识进行有机结合,结合多个不同的C| ~ w 6 A 6V与NLP实b 4 + h E o u n战项目,帮助大家掌握PyTorch框架的基( b 9 { . k础知识和使用方法,并学会利用PyTorch框架解决实际问题。通过本课程,可以较平稳地快速入门深度学习领域,初步掌握解决$ L , / - ! Y深度学习基础问题的关键性技能。

PyTorch是一个非常有可能改变深度学习领域前景的Python库。我尝试U R W $ B 0使用了几星期Pw * 1 tyTorch,然后被它的易用性所震惊,在我使用过的各种深度学习库中,PyTorch是最灵活、最容易掌握的。

PyTorch的概述
PyTorch的创始人说过他们创作的一个准则——他们想成为当务之急。这意味着我们可以立即执行计算。这正好符合Pyt; E m * q Khon的编程方法,不需要完成全部代码才能运行,可以轻松的运行部分代码并实时检查。对于我来说把它作为一个神经网络调/ B r k & L : .试器是一件非常幸福的事。

PyTorch是一个基于Python的库,用来提供一个具有灵活性的深度学习开发平台。PyTorch的工作流程非常接近Python的科学计算库——numpy。

现在你可能会m i } % $ M 2 Q问,为什么我们要用PyTorch来建立深度学习模型呢?我可以列出三件有助G U 9 D #于回答的事情:

易于使用的API—它就像Python一样简` ^ 3单。

Python p n z r ! r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E ` - G e z U( D x 3 $ _ ^ ; ?于numpy,甚至注意不到它们的差别。

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m ) n a ~ w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。

PyTorch的其他一些优点还包括:多gpu支持,自定义数据加载器和简化的预处理器。

自从2016年1月发布以来,许多研究人员将其作为一种“go-to”库,因为它可] n . { 0 M以轻松地构建新颖的甚至是极其复杂的图形。虽说如此,PyTorch仍有一段时间没有被大多数数据科学实践者采用,因为它是新的而且处于“正在建设”的状态。