一.PyTorch优点
①PyTorch是相当简洁且高效快速的框架
②设计追求最少的封装
③设计符合人类思维,它让用户尽可能地专注于实现自己的想法
④与google的Tensorflow类似,FAIR的支持足以确保PyTorch获得持续的开发更新
⑤PyTorch作者亲自维护的论坛 供用户交流和求教问题
⑥入门简单
二.机器学习分类与回归问题
机器学习问题构成元素:
样本 -->属性(x)、标签(y) y=f(x)
模型 -->f(x)=wx+b
训练 -->求解w,b的过程,计算模型中的参数
测试 -->评价训练
推理 -->计算标签过程
三.Tensor基本概念

标量是零维的张量,向量是一维的张量,矩阵是二维的张量

四.Tensor的创建
| 函数 | 功能 |
| Tensor(*size) | 基础构造函数 |
| Tensor(data) | 类似np.array |
| ones(*size) | 全1Tensor |
| zeros(*size) | 全0Tensor |
| eye(*size) | 对角线为1,其他为0 |
| arange(s,e,step) | 从s到e,步长step |
| linspace(s,e,steps) | 从s到e,均匀切分成steps份 |
| rand/randn(*size) | 均匀/标准分布 |
| normal(men,std)/uniform_(from,to) | 正态分布/均匀分布 |
| randeperm(m) | 随机排列 |