PyTorch深度学习

第2章　神经网络的构成

理解神经网络的基本组成部分，如张量、张量运算和梯度递减等，对构造复杂的神经网络至关重要。本章将构建首个神经网络的Hello world程序，并涵盖以下主题：

• 安装PyTorch；
• 实现第一个神经网络；
• 划分神经网络的功能模块；
• 介绍张量、变量、Autograd、梯度和优化器等基本构造模块；
• 使用PyTorch加载数据。

2.1　安装PyTorch

PyTorch可以作为Python包使用，用户可以使用pip或conda来构建，或者从源代码构建。本书推荐使用Anaconda Python 3发行版。要安装Anaconda，请参考Anaconda官方文档。所有示例将在本书的GitHub存储库中以Jupyter Notebook的形式提供。强烈建议使用Jupyter Notebook，因为它允许进行交互。如果已经安装了Anaconda Python，那么可以继续PyTorch安装的后续步骤。

基于GPU的Cuda 8版安装：

conda install pytorch torchvision cuda80 -c soumith

基于GPU的Cuda 7.5版安装：

conda install pytorch torchvision -c soumith

非GPU版的安装：

conda install pytorch torchvision -c soumith

在本书写作时，PyTorch还不支持Windows，所以可以尝试使用虚拟机或Docker镜像。

2.2　实现第一个神经网络

下面给出本书介绍的第一个神经网络，它将学习如何将训练示例（即输入数组）映射成目标（即输出数组）。假设我们为最大的在线公司之一Wondermovies工作（该公司按需提供视频服务），训练数据集包含了表示用户在平台上观看电影的平均时间的特征，网络将据此预测每个用户下周使用平台的时间。这是个假想出来的用例，不需要深入考虑。构建解决方案的主要分解活动如下。 ...