4.3 常用網路層

4.2 Module容器——Containers

容器的概念出現在日常生活的方方面面，每天喝水的杯子用來裝一些水，書包用來裝一些辦公用品，衣櫃用來裝一些衣服。因此，我們可以很容易地抽象出容器的概念，它用於將一些物品放置在某個地方，並進行有效的管理和使用。

在深度學習模型裡面，有一些網路層需要放在一起使用，如 conv + bn + relu 的組合。Module的容器是將一組操作捆綁在一起的工具，在pytorch官方文檔中把Module也定義為Containers，或許是因為“Modules can also contain other Modules”。

第四章 PyTorch 模型模組

• 第四章 PyTorch 模型模組
  • 4.1 Module&Parameter
  • 4.2 Module的容器
  • 4.3 常用網路層
  • 4.4 Module常用API函數
  • 4.5 Hook函數及Grad-CAM
  • 4.6 經典模型代碼分析
  • 4.7 權重初始化方法

第四章簡介

3.5 torchvision 經典dataset學習

前面已經學習了Dataset，DataLoader，以及常用的函數，通常足以應對大多數需求，但距離熟練編寫自己的Dataset可能還有一段距離。 為了讓大家能輕鬆掌握各種情況下的dataset編寫，本小節對torchvision中提供的幾個常見dataset進行分析，觀察它們的代碼共性，總結編寫dataset的經驗。

X-MNIST

由於MNIST資料使用廣泛，在多領域均可基於這個小資料集進行初步的研發與驗證，因此基於MNIST資料格式的各類X-MNIST資料層出不窮，在mnist.py檔中也提供了多個X-MNIST的編寫，這裡需要大家體會類繼承。

3.4 transforms

本節分為兩部分，首先介紹pytorch的圖像資料增強函式程式庫——transforms，深入分析它的工作機制，並闡述常用的方法。

3.3 系列APIs

API*022-1月至4月完全沒有更新，這三個月發生的事情太多了，無論如何，過去的終將過去，繼續學習PyTorch與人工智慧吧，加油！

3.2 DataLoader

dataloader簡介

第三章 PyTorch 資料模組

2.6 Autograd

瞭解計算圖後，我們可以開始學習autograd。這裡再次回顧pytorch官網的一張示意圖

2.5 計算圖

前兩小節對tensor進行了詳細介紹，知道了tensor是pytorch的核心資料結構，各類資料均以tensor來表示，並且tensor類中有許多屬性與求導/梯度有關，接下來我們將深入學習pytorch的自動求導模組——autograd。在autograd正式開始之前，需要瞭解一個重要概念——計算圖（Computational Graphs）。

2.4 張量的相關函數

接下來開始學習各類張量的api，主要參考官方文檔，通過右邊目錄欄可以看出有以下幾個部分。

2.3 核心資料結構——Tensor

張量初認識

2.2 新冠肺炎X光分類

上一節，我們學習了pytorch python API的結構，本節將以一個具體的案例介紹pytorch模型訓練流程，並提出一系列問題，供大家思考。當然，這些問題也是本書後續章節一一解答的內容。

第二章 PyTorch 核心模組

• 第二章 PyTorch 核心模組
  • 2.1 PyTorch 模組結構
  • 2.2 新冠肺炎分類
  • 2.3 核心資料結構——Tensor
  • 2.4 張量的相關函數
  • 2.5 自動求導核心——計算圖
  • 2.6 Autograd——自動微分

在第一章中，對PyTorch框架進行了全面的介紹，從它的起源、特性到安裝和基本使用。現在，我們已經為深入探索PyTorch的核心模組做好了準備。第二章將帶領讀者深入瞭解PyTorch核心——它的資料結構、自動求導機制以及如何構建和訓練神經網路模型。

1.6 環境配置之Jupyter Notebook

什麼是 jupyter notebook

1.5 環境配置之PyTorch系列包

虛擬環境，Pycharm，CUDA，cuDNN均已準備好，現在終於可以安裝PyTorch了。

1.4 環境配置之CUDA&cuDNN

有了python環境和開發環境，馬上到主角登場。PyTorch登場前，針對GPU版，還需要額外安裝一些東西。

1.3 環境配置之IDE——PyCharm&VS Code

Pycharm——強大的python IDE

1.2 環境配置之Anaconda

工欲善其事必先利其器，想要使用PyTorch進行模型開發，必須要搭建好開發環境。聽到環境安裝，大家是否已經心生恐懼？是否都被某些不知名的報錯卡住好幾天，網上搜不到答案，各種文章的方案都不適用？ 為了解決大家環境安裝的苦惱，本章將從Python虛擬環境、Anaconda、Pycharm、CUDA、CuDNN的背景說起，給大家構建系統的認識，理清各軟體之間的關係，為大家呈現一個清晰的、完整的開發環境配置。