PyTorch，一个深度学习的 Python 库！

PyTorch 是个牛哄哄的深度学习库，它是用 Python 写的。咱们今儿个就来唠唠这个 PyTorch，看看它有啥厉害的地方，怎么用它搞点深度学习的花样出来。

1.

PyTorch 是个啥玩意儿

PyTorch 说白了就是个工具箱，里面装满了搞深度学习的家伙什。它最拽的地方就是能让你轻轻松松地建立神经网络模型，还能自动帮你算梯度。啥是梯度？就是告诉你模型该往哪个方向改进，让它变得更聪明。  

import torch# 创建一个简单的张量x = torch.tensor([1， 2， 3])print(x)

看到没？这就是 PyTorch 里最基本的东西，叫 张量 。你可以把它想象成一个装数字的盒子。

2.

动态计算图：PyTorch 的独门绝技

PyTorch 最牛逼的地方就是它的动态计算图。啥意思呢？就是你可以边写代码边构建模型，想改就改，特别灵活。  

import torchdef crazy_function(x)：    if x.sum() > 0：        return x * x    else：        return x + 1x = torch.randn(5)y = crazy_function(x)print(y)

瞧见没？这个 crazy_function 函数根据输入的不同，做的操作也不一样。PyTorch 就是这么任性，想怎么玩就怎么玩。

3.

自动求导：懒人的福音

PyTorch 还有个特别牛的功能，叫 自动求导 。啥意思呢？就是你不用自己去算那些复杂的导数了，PyTorch 全帮你搞定。

import torchx = torch.tensor([2.0]， requires_grad=True)y = x ** 2 + 3*x + 1y.backward()print(x.grad)

这段代码里，y.backward() 就是在告诉 PyTorch：“嘿，帮我算算 y 对 x 的导数呗！” 然后 PyTorch 二话不说就给你算出来了。

温馨提示：记得设置 requires_grad=True，不然 PyTorch 就不知道你要求导了，白忙活一场。

4.

神经网络：PyTorch 的主场

说到 PyTorch，不提神经网络那可就太对不起它了。PyTorch 里有个 nn 模块，专门用来搭建神经网络的。

import torchimport torch.nn as nnclass MyCoolNet(nn.Module)：    def __init__(self)：        super().__init__()        self.layer1 = nn.Linear(10， 5)        self.layer2 = nn.Linear(5， 1)    def forward(self， x)：        x = torch.relu(self.layer1(x))        return self.layer2(x)model = MyCoolNet()print(model)

这就是个简单的神经网络模型。它有两层，中间用 ReLU 激活函数。看起来挺复杂？其实就是一堆数学运算堆在一起。

5.

优化器：让模型变得更聪明

光有模型不行，还得让它学习。这时候就需要 优化器 出场了。PyTorch 里有不少优化器，最常用的是 Adam。

import torch.optim as optimmodel = MyCoolNet()optimizer = optim.Adam(model.parameters()， lr=0.01)# 训练循环for epoch in range(100)：    optimizer.zero_grad()    output = model(input_data)    loss = loss_function(output， target)    loss.backward()    optimizer.step()

这段代码就是在训练模型。每次迭代，都计算损失，然后让优化器调整模型参数，让模型变得更聪明。

6.

数据加载：训练模型的燃料

模型训练离不开数据，PyTorch 提供了 DataLoader 来帮咱们处理数据。

这样，你就可以轻松地批量加载数据了。shuffle=True 还能帮你打乱数据顺序，让模型学得更均匀。

PyTorch 还有很多厉害的功能，比如 GPU 加速、分布式训练啥的。不过今天就聊到这吧，再聊下去我怕你们脑壳疼。总之呢，PyTorch 就是个特别好使的深度学习工具，用它来搞人工智能，简直不要太爽。