PyTorch
PyTorch的前身是Torch，其底层和Torch框架一样，但是使用Python重新写了很多内容，不仅更加灵活，支持动态图，而且提供了Python接口。它是由Torch7团队开发，是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络。PyTorch既可以看作加入了GPU支持的numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络。除了Facebook外，它已经被Twitter、CMU和Salesforce等机构采用。
==== |
====== |
========= |
======= |
===== |
==== |
==== |
==== |
======= |
======= |
============ |
======= |
|
莫烦Pytorch教程
| 人工神经网络 VS 生物神经网络 (4分钟） | 什么是神经网络 (机器学习) （7分钟） |
| 神经网络 : 梯度下降 (Gradient Descent in Neural Nets) （4分钟） | 神经网络的黑盒不黑 (深度理解神经网络) （4分钟） |
| 1.1 Why?（3分钟） | 1.2 安装 （4分钟） |
| 2.1 Numpy Torch 对比 （8分钟） | 2.2 Variable 变量 （9分钟） |
| 什么是激励函数（3分钟） | 2.3 Activation Function 激励函数（6分钟） |
| 3.1 Regression 回归 （16分钟） | 3.2 Classification 分类 （11分钟） |
| 3.3 快速搭建法 （5分钟） | 3.4 保存提取 （7分钟） |
| 3.5 批数据训练 （9分钟） | 3.6 Optimizer 优化器 （10分钟） |
| 什么是卷积神经网络 CNN （5分钟） | |
| 4.1 CNN 卷积神经网络 （25分钟） | 4.2 RNN 循环神经网络 分类 （14分钟） |
| 4.3 RNN 循环神经网络 回归 （12分钟） | 4.4 AutoEncoder 自编码 （11分钟） |
| 4.5 DQN 强化学习 （19分钟） | 什么是 GAN 生成对抗网络? （4分钟） |
| 4.6 GAN 生成对抗网络 （15分钟） | |
| 5.1 为什么 Pytorch 是动态 Dynamic （6分钟） | 5.2 GPU 加速 （6分钟） |
| 什么是过拟合 （4分钟） | 5.3 过拟合 Dropout （9分钟） |
| 什么是 Batch Normalization 批标准化（5分钟） | 5.4 Batch Normalization 批标准化 （21分钟） |