文章目录
- 一、什么是pytoch
- 一、Numpy与Tensor
- 1.1基础部分
一、什么是pytoch
PyTorch 是 Facebook 开源的深度学习框架，简单说就是：
- 帮你快速搭建、训练神经网络
- 自动计算梯度（不用手动写求导公式）
- 支持 GPU 加速（训练速度超快）
- 语法和 Python 几乎一样，最适合新手入门
PyTorch工具箱
- 基础数据结构：
torch.Tensor神经网络的 “数据载体”，类似 NumPy 的数组，但支持 GPU 加速、自动求导。- 数据加载：
torch.utils.data高效加载训练 / 测试数据，支持批量处理、打乱、多线程加速。- 神经网络搭建：
torch.nn提供现成的网络层、激活函数、损失函数，快速搭建模型。- 优化器与训练：
torch.optim实现梯度下降、Adam 等优化算法，更新模型参数。
一、Numpy与Tensor
Numpy（Numerical Python）底层用 C 语言实现，运算速度远快于 Python 原生列表，是数据分析、机器学习、科学计算等领域的基础工具。其核心优势如下：
- 高效的多维数组（ndarray）：numpy 的核心数据结构，支持快速的元素访问和批量运算。
- 矢量化运算：无需编写循环即可对数组中的所有元素执行操作，简洁且高效。
- 丰富的数学函数：内置大量线性代数、傅里叶变换、随机数生成等函数。
- 与其他库兼容：是 pandas、matplotlib、scikit-learn 等库的基础，数据可以无缝交互。
# 安装numpypip install numpy conda install numpy# 验证下载importnumpyasnpprint(np.__version__)1.1基础部分
https://www.runoob.com/numpy/numpy-ndarray-object.html
ndarray(N-dimensional array)，是numpy 的核心数据结构，用于存储和处理多维的数值数据（如标量、向量、矩阵、张量等）。
- 1 维 ndarray：对应数学中的 “向量”（如 [1, 2, 3, 4]）。
- 2 维 ndarray：对应数学中的 “矩阵”（如 [[1,2], [3,4]]）。
- 3 维 ndarray：对应 “张量”（如彩色图片的 (高度, 宽度, 通道)）。
- n 维 ndarray：可用于表示更复杂的数据（如视频序列 (帧数, 高度, 宽度, 通道)）。
在机器学习中，图像，自然语言，语音等内容在输入模型之前都需要将其数字化。
