跟着w3cschool学习pytorch，非常好的中文跟学入门教程，安利给大家：PyTorch 入门_w3cschool

本期是一个跟练笔记，写的会还得要讲的出来，用的熟练！！

pytorch是一个开源机器学习库，有着强大的gpu加速功能

pytorch的安装（后面会再补一期，大家敬请期待~）

pytorch核心概念

1）张量（tensor），类似于numpy中的多维数组，但是pytorch张量可以使用GPU加速

import torch
 
x = torch.tensor([1,2,3])            #创建了一个一维张量
y = torch.tensor([[1,2,3],[4,5,6]])    #创建了一个二维张量

2）自动求导（autograd）反向求梯度：可以自动计算张量的梯度

张量上面调用.backward()方法可以计算梯度；

使用torch.no_grad()可以停止梯度追踪

torch.ones(2,2,requires_grad=True)
#tips:ones是PyTorch中的一个函数，用来创建一个指定形状的张量，并用1填充

y=x*3
#y.backward（torch.tensor(x)）
y.backward(torch.ones_like(x))
#用来创建一个与输入张量 x 具有相同形状和类型的全为1的张量

print(x.grad)

tips：{

Q:为什么要强调‘自动’

A：1.自动求导使得在每次模型调整后，无需重新手动推导梯度，可以迅速地进行模型的训练和验证，大大提高了模型开发的迭代速度。2.自动求导机制通常集成在深度学习框架中，如PyTorch、TensorFlow等，开发者只需简单地定义模型的前向传播过程，框架会自动构建计算图并完成梯度的反向传播计算，大大简化了代码量，降低了开发的门槛。

(ai见解，不见得就是正确答案仅供参考)

}