PyTorch術語 - PyTorch教學

在本章中，我們將瞭解PyTorch中一些最常用的術語。

PyTorch張量與NumPy陣列相同。張量(tensor)是一個n維數組，就PyTorch而言，它提供了許多在張量上運算的函數。

PyTorch張量通常利用GPU來加速其數值計算。在PyTorch中創建的這些張量可用於將雙層網路適合亂數據。用戶可以手動實現通過網路的前向和後向傳遞。

使用自動編程時，網路的正向傳遞將定義計算圖形 - 圖形中的節點將是張量，邊緣將是從輸入張量產生輸出張量的函數。

PyTorch張量可以創建為變數對象，其中變數表示計算圖中的節點。

靜態圖很好，因為用戶可以預先優化圖形。如果程式員一遍又一遍地重複使用相同的圖形，則可以保持這種可能代價高昂的前期優化，因為相同的圖形會一遍又一遍地重新運行。

它們之間的主要區別在於Tensor Flow的計算圖是靜態的，PyTorch使用動態計算圖。

PyTorch中的optim包提取了一種優化演算法的思想，該演算法以多種方式實現，並提供了常用優化演算法的說明。它可以在import語句中調用。

多處理支持相同的操作，因此所有張量都可以在多個處理器上運行。佇列將其數據移動到共用記憶體中，並僅向另一個進程發送句柄。