Pytorch实战——1、简介与入门知识

发布时间:2024年01月17日

🍅 写在前面
👨?🎓 博主介绍:大家好,这里是hyk写算法了吗,一枚致力于学习算法和人工智能领域的小菜鸟。
🔎个人主页:主页链接(欢迎各位大佬光临指导)
??近期专栏:机器学习与深度学习
???????????????????????LeetCode算法实例
???????????????????????Pytorch实战

Pytorch简介

在这里插入图片描述

  1. PyTorch是一个基于Torch的Python开源机器学习库,用于自然语言处理等应用程序。2017年1月,FAIR(Facebook AI Research)发布PyTorch。PyTorch是在Torch基础上用python语言重新打造的一款深度学习框架。Torch是采用Lua语言为接口的机器学习框架,但因Lua语言较为小众,导致Torch知名度不高。

  2. PyTorch提供了两个高级功能:

    • 具有强大的GPU加速的张量计算(如Numpy)

    • 包含自动求导系统的深度神经网络

  3. Pytorch优点

    • 上手快:掌握numpy和基本深度学习概念即可上手;

    • 代码简洁灵活:用nn.module封装使网络搭建更方便;基于动态图机制,更灵活;

    • Debug方便:调试PyTorch就像调试Python代码一样简单;

    • 文档规范:https://pytorch.org/docs/ 可查各版本文档;

    • 资源多:arXiv中的新算法大多有PyTorch实现;

    • 开发者多:Github上贡献者已超过1100+;

    • 背靠大树:Facebook维护开发

  4. Pytorch仍然是一个年轻的框架,但其发展速度越来越快。如果你有以下需求,它可能会比较适合你:

    • 用于研究,或者是用于生产的非功能性需求,但其并不是很苛刻
    • 需要更好的开发和调试体验
    • 爱所有Python化的东西

入门知识

深度学习基本原理

  • 深度学习的概念源于人工神经网络的研究,是机器学习研究的一个新的领域,目的是建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像、声音和文本。
  • 作为一种机器学习方法,深度学习能让我们用给定的输入值训练AI模型预测输出值。
  • 这是在 http://playground.tensorflow.org/ 尝试构建的多层神经网络实现分类,如下图所示。
    在这里插入图片描述

分类、回归基本原理

  • 最常见的监督式学习任务包括回归任务(预测值)和分类任务(预测类)。
  • 在现实生活中,连续值预测问题是非常常见的,比如股价的走势预测、天气预报中温度和湿度等的预测、年龄的预测、交通流量的预测等。对于预测值是连续的实数范围,或者属于某一段连续的实数区间,我们把这种问题称为回归(Regression)问题。特别地,如果使用线性模型去逼近真实模型,那么我们把这一类方法叫做线性回归,线性回归是回归问题中的一种具体的实现。
  • 除了连续值预测问题以外,还有离散值预测问题。比如说硬币正反面的预测,它的预测值y只可能有正面或反面两种可能;再比如说给定一张图片,这张图片中物体的类别也只可能是像猫、狗、天空之类的离散类别值。对于这一类问题,我们把它称为分类(Classification)问题。
    在这里插入图片描述
文章来源:https://blog.csdn.net/m0_52000372/article/details/135656903
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。