深度学习框架Pytorch快速开发与实践

决定用两个星期读完这本书，并自己用Pytorch搭建一个模型。

2019.8.5

第一章深度学习介绍

明确学习目标：

• 深度学习难点不是深度学习本身，难的是你要吃透问题，如何用深度学习的逻辑去思考你自己的问题，有针对性地设计模型
• 难的是你有分析问题贺结果的能力，遇到负面结果不是抓瞎。

 

2019.8.6

第三章 PyTorch基础知识

在GPU上Tensor 加速计算,常见Tensor类型:

Date	CPU tensor	GPU tensor
32-bit floating point	torch.FloatTensor	torsh.cuda.FloatTensor
64-bit floating point	torch.DoubleTensor	torsh.cuda.DoubleTensor
16-bit floating point	torch.HalfTensor	torsh.cuda.HalfTensor
8-bit integer(unsigned)	torch.ByteTensor	torsh.cuda.ByteTensor
8-bit integer(signed)	torch.CharTensor	torsh.cuda.CharTensor
16-bit integer(signed)	torch.ShortTensor	torsh.cuda.ShortTensor
32-bit integer(signed)	torch.IntTensor	torsh.cuda.IntTensor
64-bit integer(signed)	torch.LongTensor	torsh.cuda.LongTensor

构造矩阵:torch.Tensor(4,5)#4*5矩阵

矩阵加法:torch.add(a,b) # 矩阵a+b

Tensor转numpy:b=z.numpy()#z转numpy

numpy转Tensor:#

去除dim维并返回:torch.squeeze(input,dim,out=None)

数学操作:torch.abs/torch.acos/torch.add

数理统计:torch.mean(input)/torch.mean(input,dim,out=None)#输入张量input指定维度dim中每行的平均值

比较操作:torch.eq#比较元素相等/torch.ge/torch.gt

 

2018.8.7.

第四章 简单案例入门