1 小时入门 PyTorch:从张量到多 GPU 神经网络训练
Sebastian Raschka(极客时间编译)
ML/AI Research Engineer
32 人已学习
免费领取
1 小时入门 PyTorch:从张量到多 GPU 神经网络训练
15
15
1.0x
00:00/00:00
登录|注册

01|PyTorch是什么

PyTorch 是一个基于 Python 的开源深度学习库。根据  Papers With Code,一个跟踪和分析研究论文的平台,PyTorch 自 2019 年以来一直是研究中最广泛使用的深度学习库。根据  Kaggle 数据科学和机器学习调查 2022,使用 PyTorch 的受访者数量约为 40%,并且每年都在不断增加。
PyTorch 之所以如此受欢迎,其中一个原因就是其用户友好的界面和高效性。然而,尽管它易于上手,却不会牺牲灵活性,为高级用户提供调整模型底层细节的能力,以便进行定制和优化。简而言之,对于许多实践者和研究人员来说,PyTorch 在易用性和功能之间提供了恰到好处的平衡。
在接下来的内容中,我们将定义 PyTorch 的基本功能。

PyTorch 的三个核心组件

PyTorch 是一个相对全面的库,一种方法是关注其三个主要组成部分,如图 1 所示。
图 1:PyTorch 三大核心组件包括作为计算核心构建模块的张量库、实现模型优化的自动微分机制、以及深度学习工具函数,从而更便捷地实现和训练深度神经网络模型。
首先,PyTorch 作为张量库,在 NumPy 基于数组运算的编程库基础上进行功能拓展,新增了 GPU 加速计算能力,从而实现了 CPU 与 GPU 之间的无缝切换。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
  • 解释
  • 总结

1. PyTorch是一个受欢迎的深度学习框架,提供用户友好的界面和高效性,适合实践者和研究人员使用。 2. PyTorch的核心组件包括张量库、自动微分引擎和深度学习库,提供了GPU加速计算能力、自动计算张量运算的梯度以及模块化、灵活且高效的构建组件。 3. 深度学习是机器学习的一个子领域,专注于深度神经网络的训练与应用,灵感源于人脑工作机制,特别是生物神经元间的复杂互连结构。 4. 机器学习是人工智能的子领域,核心在于研发并持续优化学习算法,使计算机能够从数据中自主学习,无需显式编程即可执行预测或决策任务。 5. 深度学习在处理非结构化数据领域展现出显著优势,成为大语言模型(LLMs)的天然技术载体。 6. 监督学习的预测建模流程包含训练阶段和推理阶段,通过学习算法,模型在训练数据集上进行训练,然后应用于新数据实例进行预测。 7. 机器学习的引入与发展拓展了AI的能力边界,使其获得对新输入与动态环境的自适应能力。 8. PyTorch作为深度学习框架库,为各类深度学习模型的设计与训练提供支持。 9. 人工智能的核心在于创建能够执行通常需要人类智能的任务的计算机系统,包括理解自然语言、识别模式和做出决策。 10. 机器学习一直是人工智能演进的核心驱动力,推动着包括大语言模型(LLMs)在内的诸多突破性进展。

该试读文章来自《1 小时入门 PyTorch:从张量到多 GPU 神经网络训练》,如需阅读全部文章,
请先领取课程
免费领取
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
显示
设置
留言
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部
文章页面操作
MAC
windows
作用
esc
esc
退出沉浸式阅读
shift + f
f11
进入/退出沉浸式
command + ⬆️
home
滚动到页面顶部
command + ⬇️
end
滚动到页面底部
⬅️ (仅针对订阅)
⬅️ (仅针对订阅)
上一篇
➡️ (仅针对订阅)
➡️ (仅针对订阅)
下一篇
command + j
page up
向下滚动一屏
command + k
page down
向上滚动一屏
p
p
音频播放/暂停
j
j
向下滚动一点
k
k
向上滚动一点
空格
空格
向下滚动一屏
播放器操作
MAC
windows
作用
esc
esc
退出全屏
⬅️
⬅️
快退
➡️
➡️
快进
空格
空格
视频播放/暂停(视频全屏时生效)