用 PyTorch 走进深度学习

使用 PyTorch 的深度学习入门

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

深度学习无处不在！

一个地球周围环绕多种语言的插图

一个地球、多语言与自动驾驶汽车的插图

一个地球、多语言、自动驾驶与医疗诊断的插图

一个地球、多语言、自动驾驶与医疗诊断的插图

一个洋葱图，展示深度学习是机器学习的子集

一个小型神经网络的示意图

一个洋葱图，展示深度学习是机器学习的子集

一个多层神经网络的示意图

一幅研究大脑的人的插图

研究大脑并聚焦神经元的插图

PyTorch 标志

import torch

my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor)

tensor([[1, 2, 3],
        [4, 5, 6]])

my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor.shape)

torch.Size([2, 3])

print(tensor.dtype)

torch.int64

a = torch.tensor([[1, 1], 
                  [2, 2]])

b = torch.tensor([[2, 2], 
                  [3, 3]])

print(a + b)

tensor([[3, 3],
        [5, 5]])

a = torch.tensor([[1, 1], 
                  [2, 2]])

c = torch.tensor([[2, 2, 4], 
                  [3, 3, 5]])

print(a + c)

RuntimeError: The size of tensor a
(2) must match the size of tensor b (3) 
at non-singleton dimension 1

a = torch.tensor([[1, 1], 
                  [2, 2]])
b = torch.tensor([[2, 2], 
                  [3, 3]])
print(a * b)

tensor([[2,  2],
        [6, 6]])

突出显示的矩阵乘法

使用 PyTorch 的深度学习入门