PyTorch

以动态计算图为特色，介绍PyTorch作为TensorFlow替代框架的定位，围绕张量运算、可求导变量与自动梯度、前向反向传播的即时执行与销毁、神经网络模块以及数据管理展开，构建从基础数据结构到模型训练的深度学习编程能力。

6 pages

PyTorch 动态计算图及 Tensor、Variable、nn.Module 基本结构

介绍张量的创建、属性、四则运算与矩阵乘法、索引筛选及变形等基础操作

讲解可变张量、动态计算图、反向传播与梯度求解及自定义梯度的自动求导

介绍使用 transforms 进行图片处理，涵盖常用变换、裁剪翻转与组合操作

介绍数据集、DataLoader 批处理打包及使用 Tensorboard 记录训练日志

介绍神经网络模型定义、常用网络层、损失函数与优化器及模型保存和 GPU 训练