Pytorch库的基本架构

原文链接：Pytorch库的基本架构介绍

很多同学说每次使用PyTorch时都需要导入很多模块，非常混乱，今天我就将PyTorch常用的模块做一个总结梳理。

首先要说明的是PyTorch这是torch的Python版本，所以导入的是torch而不是Pytorch:

import torch

1 运行基础

• torch.tensor：基础数据结构
• torch.autograd：自动微分模块

2 torch.utils

支持神经网络相关的数据预处理。

• 数据导入与处理

  • utils.data
  • utils.datasets

• utils.tensorboard：训练结果的可视化

• utils.model_zoo：预训练模型

3 torch.nn

构建神经网络结构的基本元素。

• nn.Module：神经网络的各种结构“层”
• nn.functional:神经网络的损失函数与激活函数

4 torch.optim

神经网络的算法优化模块，封装着各类优化器。

5 神经网络的运算性能

• torch.torchelastic：分布式训练
• torch.cuda：在GPU上训练

6 torch.JIT

生产环境中部署的模块。

与torch并列的库

下面介绍几个经常导入，但其实与torch是一个级别的库。

7 torchvision计算机视觉

因为7之前的内容都是torch.xx，所以torchvision是与torch等级的库。

import torchvision

• torchvision.datasets:CV常用数据
• torchvision.models:CV常用模型
• torchvision.transforms:图像数据的预处理工具

8 torchtext自然语言处理

• torchtext.data：文字数据的数据预处理
• torchtext.datasets：NLP领域的常用数据集

9 torchaudio语音处理

• torchaudio.datasets：语音领域的常用数据集
• torchaudio.transforms：语音领域的预处理工具
• torchaudio.models：语音领域的常用模型
• torchaudio.functional：语音领域的常用函数

原文链接：Pytorch库的基本架构介绍