本文主要介绍PyTorch的基础知识，PyTorch的优点，案例，PyTorch和Tensorflow的对比，让我们对PyTorch的框架有一个基本的了解。

---

• 1.1 为什么要选择学习PyTorch（PyTorch的优点）？

  • 活跃度：逐渐形成了完整的开发生态，资源多
  • 框架的优雅性
  • 对于初学者的友好型
  • 采用动态图的架构，且运行速度较快
  • 代码简介，易于理解，设计优雅，易于调试
  • 要有线性代数，优化理论，机器学习，深度学习基础

• 在学习中遇到的困难？

  • 深度学习框架太多不知道如何选择
  • 开源代码很多，但阅读和修改起来很吃力
  • 解决实际工程任务时，思路不清晰，不知道如何入手
  • 学术方向选择困难，不知如何开始

• 1.2 PyTorch的一些案例

  • 
  • 
  • 
  • 
  • 
  • 

• 2.1 pytorch框架

  • Facebook人工智能研究员（FAIR）于2017年再GitHub上开源
  • Torch -> PyTorch

• 2.2 PyTorch VS Tensorflow

  • PyTorch 简洁性（编程同Python几乎一致）

    • 动态计算
    • visdom
    • 部署不方便

  • Tensorflow（1.0） 接口复杂

    • 静态图（TF2.0 Eager Execution已经引入动态图）
    • Tensorboard
    • 部署方便（TF serving)

• 2.3 动态图与静态图

  • 动态图就是在编程的时候可以一边编程一边执行，对于静态图，需要先构图，构图就是需要先将网络结构设计好，然后才能在后端运行我们的网络
  • 动态图：编号程序即可执行
  • 静态图：先搭建计算图，后运行；允许编译器进行优化；代码编程复杂，调试不直观

最后

为了帮助大家更好的学习人工智能，这里给大家准备了一份人工智能入门/进阶学习资料，里面的内容都是适合学习的笔记和资料，不懂编程也能听懂、看懂，所有资料朋友们如果有需要全套人工智能入门+进阶学习资源包，可以在评论区或扫.码领取哦）~

在线教程

• 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
• 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
• EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
• 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
• 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
• 机器学习 – 有指导和无指导情况下的基本机器学习算法
• 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
• 斯坦福统计学习

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​

人工智能书籍

• OpenCV（中文版）.(布拉德斯基等)
• OpenCV+3计算机视觉++Python语言实现+第二版
• OpenCV3编程入门 毛星云编著
• 数字图像处理_第三版
• 人工智能:一种现代的方法
• 深度学习面试宝典
• 深度学习之PyTorch物体检测实战
• 吴恩达DeepLearning.ai中文版笔记
• 计算机视觉中的多视图几何
• PyTorch-官方推荐教程-英文版
• 《神经网络与深度学习》(邱锡鹏-20191121)
• …
  
  😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
  ​

第一阶段：零基础入门（3-6个月）

新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。

第二阶段：基础进阶（3-6个月）

熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。

第三阶段：工作应用

这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​