小白学Pytorch

发现一个比较好的教程，对于自己来说比较合适，适合从零开始的教程。

1、搭建一个简单的网络

https://www.cnblogs.com/PythonLearner/p/13587092.html

搭建网络这步说的比较清楚：

---

我们使用nn包中的Sequential搭建网络，这个函数就是那个可以让我们像搭积木一样搭神经网络的一个东西。

nn.Linear(2,10)的意思搭建输入层，里面的2代表输入节点个数，10代表输出节点个数。Linear也就是英文的线性，意思也就是这层不包括任何其它的激活函数，你输入了啥他就给你输出了啥。nn.ReLU（）这个就代表把一个激活函数层，把你刚才的输入扔到了ReLU函数中去。 接着又来了一个Linear，最后再扔到Sigmoid函数中去。 2,10,1就分别代表了三个层的个数，简单明了。

---

从一个比较简单的例子入手，构建了一个完整的小型网络，非常简单明了。

之前文章的搭积木这个例子一直没怎么理解

​​

2、训练集与测试集

https://www.cnblogs.com/PythonLearner/p/13587142.html

一些机器学习的用语。

训练集（train set）、验证集（valid set）、测试集（test set）

---

举个高三学生高考的例子吧，

• 训练集 就是 平时的作业，习题册等
• 验证集 就是 一模、二模、三模的试题
• 测试集 就是 高考试题

训练集是给学生进行学习的，提高学生的能力；验证集是用来检验学生的学习方法，学习方向，学习方式，是否正确；测试集是最终考察学生的成绩如何。

---

3、浅谈dataset和dataloader

https://www.cnblogs.com/PythonLearner/p/13587125.html

• 主要是__getitem__函数：_getitem__​函数接收一个index，然后返回图片数据和标签，这个index通常是指一个list的index，这个list的每个元素就包含了图片数据的路径和标签信息。
• dataloader的简单用法，以及batch的含义，清晰明了，简易多看几遍。

4、构建模型三要素与模型初始化

https://www.cnblogs.com/PythonLearner/p/13587092.html

模型三要素：

1. 必须要继承nn.Module这个类，要让PyTorch知道这个类是一个Module
2. 在__init__(self)中设置好需要的组件，比如conv，pooling，Linear，BatchNorm等等
3. 最后在forward(self,x)中用定义好的组件进行组装，就像搭积木，把网络结构搭建出来，这样一个模型就定义好了

用多层感知机的话，用不到卷积层，池化层这些概念，当作一个了解，主要是了解构建模型需要什么。

5、torchvision预训练模型与数据集全览

https://www.cnblogs.com/PythonLearner/p/13593925.html

常用数据集+常见模型+常见图像增强方法

粗略浏览了一下，这个用不太到，直接pass

6、模型的构建访问遍历存储

https://www.cnblogs.com/PythonLearner/p/13617068.html

没理解完

‍