PyTorch 2-深度学习-模块

• 一: pytorch
• • 1> pytorch 介绍
  • 2> pytorch 作用
  • 3> pytorch 优点
  • 4> pytorch 流程
• 二：pytorch 模块
• • 1> torch.Tensor 模块
  • 2> torch.nn模块
  • 3> torch.nn.function模块
  • 4> torch.random模块
  • 5> torch.onnx模块
  • 6> torch.sparse模块
  • 7> torch.cuda模块
  • 8> torch.nn.init模块
  • 9> torch.optim模块
  • 10> torch.autograd模块
  • 11> torch.distributed模块
  • 12> torch.distributions模块
  • 13> torch.hub模块
  • 14> torch.jit模块
  • 15> torch.multiprocessing模块
  • 16> PyTorch辅助工具模块
  • • 1. torch.utils
• 三: 流程demo
• • 1> 数据（准备和加载）
  • • 1. 数据拆分-训练集、测试集
    • 2. 数据可视化
  • 2> 建立模型
  • • 1. 标准线性回归模型
    • 2. 模型基本模块
    • 3. 模型实例--parameters()
    • 4. 预测（推理）
  • 3> 训练模型
  • • 1. 创建损失函数和优化器
    • 2. 训练循环
  • 4> 训练后模型预测（执行推理）
  • • 1. 理解
    • 2. 预测及展示
  • 5> 保存和加载Pytorch模型
  • • 1. 主要方法
    • 2. 保存Pytorch模型的state_dict()
    • 3. 加载保存的PyTorch模型state_dict()
  • 6> 训练全过程
  • 7> 节点详析
  • • 1. 全部demo
    • 2. 原始参数进行比较
    • 3. 预测
    • 4. 保存和加载模型
    • 5. 实例化实例
    • 6. 评估载入的模型
• 四：pytorch 注意技巧
• 五：pythorch其他