Auteur : Zen et l'art de la programmation informatique
1. Introduction
aperçu
PyTorch est une plateforme d'apprentissage automatique open source basée sur le langage Python et la bibliothèque de calcul numérique NumPy. Il s'agit d'une boîte à outils pour la construction et l'entraînement de réseaux de neurones. Il offre de puissantes capacités d'accélération GPU, un mécanisme de dérivation automatique, une conception modulaire et d'autres fonctions, adaptées à divers scénarios d'application. Cet article présentera en détail l'utilisation et les fonctions de PyTorch, y compris le chargement de données, la construction de modèles, la formation de modèles, les tests de modèles, etc., et donnera quelques exemples spécifiques pour aider les lecteurs à démarrer rapidement.
public cible
- Les personnes ayant une certaine base en apprentissage automatique
- Les lecteurs qui s'intéressent à l'apprentissage en profondeur et qui veulent en savoir plus
- Personnes familiarisées avec les environnements Linux ou d'autres environnements informatiques basés sur CPU
- Lecteurs avec de meilleures conditions matérielles qui ont besoin d'utiliser le GPU
- Personnes ayant une expérience pertinente en programmation (comme Python, C/C++)
Structure organisationnelle et contenu principal de cet article
- Partie 1 : Introduction à l'installation et à la configuration de PyTorch et concepts de base
- Installer PyTorch
- Quelques concepts de base de PyTorch
- Tensor : un tableau multidimensionnel, similaire à ndarray dans Numpy
- Autograd : moteur de dérivation automatique, qui peut dériver automatiquement Tensor et réaliser la rétropropagation
- Prise en charge du GPU : utilisez le GPU pour accélérer les modèles de formation
- Enregistrement et chargement du modèle : enregistrez ou chargez le modèle entraîné
- Chargeur d'ensembles de données : utilisé pour charger des ensembles de données et créer des itérateurs par lots
- Partie 2 : Construction et application du modèle
- Modèle Alex Net
- Modèle VGG
- Modèle ResNet
- encodeur automatique
- CEPENDANT
- partie 3