PyTorch 深度学习实践第一讲

写在前面：B站 刘二大人  传送门​​Pytorch深度学习实践第一讲​​

预备知识

• 线性代数和概率论与数理统计（至少知道分布）
• Python（了解面向对象、类）

引言：Human Intelligence

• 推理能力（例：吃饭）
• 预测能力（视觉接受的信息抽象化）

Machine learning

1. 概念：将以前用来做推理的大脑变成算法
2. 基本使用监督学习
3. 从数据集中找出相应算法
4. 基于统计的方法
5. 深度学习属于机器学习分支

算法思想

1. 穷举法
2. 贪心法
3. 分治法
4. 动态规划

How to develop learning systems

拓展：为什么要进行特征提取

答：在满足相同密度下，随着维度的升高，对数据的需求量越大，出现维度诅咒。故需要进行高维空间降为低维空间

Traditional machine learning strategy

备注：经典的机器学习流程

Brief history of neural networks

Back Propagation(反向传播)

备注：类似链式求导，确定基本算子

PtTorch安装

参考链接

​​关于PyTorch的详细安装步骤​​