deep learning with pytorch——ch1

pytorch

a high-performance library with optimization support for scientific computing in Python（高性能库带有优化支持，可以用来做python科学计算。

不同深度学习库简述

pytorch简介

1.大部分用C++和CUDA编写，其中CUDA是NVIDIA的一种类似C++的语言，可以编译用来做GPu上的大规模并行
2.核心概念：tensor（多维数组，multidimensional arrays ）
3.torch.nn提供大部分常用组件，包括全连接层、卷积层、**函数、损失函数等。
4.额外需要的:训练数据源、优化器（让模型更加适应数据）、对训练数据做计算的硬件
(右侧：训练好的模型，可以放在服务器上或者部署到云上。)

数据预处理&&并行处理

训练数据中的每个样本都需要转化为pytorch可以实际处理的东西：tensor。转化工具就是pytorch在torch.utils.data中提供的Dataset类。
由于数据加载比较慢且有延迟，所以通常需要进行并行处理。pytorch使用多进程（multiprocess）去加载数据以获得batches。DataLoader可以实现。

模型部署（model deployment）

pytorch可以将模型序列化为一组指令，这些指令可以独立于python（例如C++或者移动设备），可以将其看做特定于张量操作的有限指令集的虚拟机。 这使我们可以将模型导出为与PyTorch运行时一起使用的TorchScript，也可以导出为称为ONNX的标准化格式。
（TorchScript allows us to precompile models and invoke them not only from Python but also from C++ programs and on mobile devices.）