本次报告从PyTorch的前世今生讲起，相比于当下最流行的TensorFlow，PyTorch有它的优点（如动态图的使用）和缺点（相比TensorFlow还有许多不完善的地方），随着它的不断迭代，它也在变得更好，也有越来越多的人开始了解、使用PyTorch。 Tensor是PyTorch中最基本的概念，它是被处理的数据的载体，可以被看作一个多维的数组，同时能进行反向传播。 深度学习结构大致包括以下Data Preparation、Creating Learnable Parameters、Network Model、Loss、Optimizer五个结构。我们让训练数据通过神经网络得到预测结果，通过Loss函数评估当前参数的效果，反向传播后，用Optimizer优化，循环反复。神经网络有许多复杂的结构（其中还有激活函数的概念），我们只介绍了如何搭建最简单的一两种网络，Loss函数和Optimizer都有很多不同的实现方式，我们需要通过实际情况进行选择。
附件: PyTorch简介_苏畅.zip [登录 后查看]
自动标签 : PyTorch 简介 Optimizer 神经网络 结构 TensorFlow Loss 网络 函数 相比 使用 还有 数据
更多 [ 报告 ] 文章