【B站：水论文的程序猿】

摘要： 这篇文章的内容到这里就差不多了，这次以基础的内容为主，简单的梳理一下，首先我们上次知道了构建神经网络的两个步骤：搭建子模块和拼接子模块。而这次就是学习各个子模块的使用。从比较重要的卷积层开始，学习了1d 2d 3d 卷积到底在干什么事情，采用了动图的方式进行演示，卷积运算其实就是通过不同的卷积核去提取不同的特征。然后学习了 Pytorch 的二维卷积运算及转置卷积运算，并进行了对比和分析了代码上如何实现卷积操作。 第二块是池化运算和池化层的学习，关于池化，一般和卷积一块使用，目的是收集和合并卷积提取的特征，去除一些冗余，分为最大池化和平均池化。然后学习了全连接层，这个比较简单，不用多说，最后是非线性激活函数，比较常用的 sigmoid，tanh, relu等。 今天的内容就到这里，模型模块基本上到这里也差不多了，根据我们的那个步骤：数据模块 -> 模型模块 -> 损失函数 -> 优化器 -> 迭代训练。所以下一次开始学习损失函数模块，但是在学习损失函数之前，还得先看一下常用的权重初始化方法，这个对于模型来说也是非常重要的。所以下一次整理权值初始化和损失函数。 阅读全文

摘要： 上面笼统的介绍了如何利用 nn 这个工具箱去搭建一个神经网络，但是只给出了一个流程，很多细节我们还没有详细解释，但这已经足够了。 下一篇文章我们就将详细介绍 nn 工具箱的各种细节方面的东西，等你看完下一篇文章如果再跳回来看这篇文章，相信定会有醍醐灌顶之效。 阅读全文

摘要： 本篇文章介绍了 torch 的一个核心——autograd，其中 autograd 中的 variable 和 Tensor 都属于 torch 中的基础数据结构，variable 封装了 Tensor ，拥有着和 Tensor 几乎一样的接口，并且提供了自动求导技术。autograd 是 torch 的自动微分引擎，采用动态计算图的技术，可以更高效的计算导数。 这篇文章说实话是有点偏难的，可以多看几遍，尤其是对于还没有写过实际项目的小白，不过相信有前面几个小项目练手，以及最后一个线性回归的小 demo，相信你差也不差的能看懂，但这都不要紧，在未来的项目实战中，你将会对 autograd 的体会越来越深刻。 阅读全文

摘要： - `Tensors`并`Variables`已合并 - `Tensors`支持0维（标量） - 弃用`volatile`标签 - `dtypes`，`devices`和`NumPy`风格的创作功能 - 编写`device-agnostic`代码 - `nn.Module`中子模块名称，参数和缓冲区中的新边界约束 阅读全文

摘要： 这一篇章幅度较大，对于熟悉numpy的同学可能得心应手很多，如果对numpy不是特别熟悉的同学，建议先按照上述所给的教程学一遍numpy，再过来学习tensor这个数据类型，从一二维过渡到高维，也将更容易上手。 这篇文章内容虽多，但从实用的角度来说，相对而言也比较全面，其中内容不需要全部熟稔于心，但至少得对每个方法都大概有个印象，知道有这个东西，这个东西能干啥！ 阅读全文

摘要： 这篇文章通过手写数字问题的引入，算是对深度网络模型做了一个简单的介绍。 接下来也将通过torch解决手写数字问题，两者映照，将会让你更加了解torch实现一个深度模型解决实际问题的流程。 阅读全文

摘要： Pytorch从入门到放弃 一、前置基础（选看） 0101-Python从入门到放弃（目录） 0102-人工智能（目录） 0103-numpy模块 0104-DeepLearning-图像识别（cnn 流程架构） 二、Pytorch 引入 本章更多的是对 torch 的发展史的简单阐述。 0201- 阅读全文

摘要： 本篇文章从torch的角度去解决了线性回归问题，细节你可能不懂，但也可以发现它是非常简单的，全程没有让你去实现优化器、去实现全连接层、去实现反向传播，在这里你就不需要去实现一个数学公式。你需要做的仅仅是成为一个优秀的调包侠，并且努力成为一个伟大的调参师即可。 至于为什么直接上代码，而不是先讲解torch的基础，一定是有深意的。站得高看得远，先带你领略下torch的用途及其强大，然后我们再慢慢的一步一步筑基。 阅读全文

摘要： 本篇文章讲解了机器学习中较为简单的线性回归算法，虽然很多细节没有涉及到，例如噪声的处理和正则化问题、方差和偏差问题、多元特征回归…… 但是本篇文章的核心目的还是想让大家能够利用numpy实现线性回归模型，从最后的代码中可以看出，利用numpy我们就是在把前面的各种数学语言一个一个实现，求误差、求偏导、求梯度，这还只是最简单的回归问题，如果更复杂呢？我们也这样，怕是能让你秃头。 也因此，我们不得不引出我们接下来要讲的框架，他有什么好处，他的好处就是把我们上面的是三个函数封装好了，你需要做的仅仅只是调个函数，传个参数即可。 阅读全文

摘要： 本篇文章正式介绍了torch和tf的区别，废话那么多，相信你已经很明白两者的区别了，不过是五十步笑百步，先学哪个按照你的需求来就行，但是无论你第一个选择了哪个，另外一个都要作为你的备胎，两个都要学，只不过一个主，一个次。 如果两者对你来说都可以先学，那么，我也教了你一个简单的方法，抛硬币！ 阅读全文