【為什麼我們要挑選這篇文章】PyTorch 是應用於深度學習的程式語言。近日，PyTorch 官方推出 8 堂課程影片，從 Tensor 的基本介紹，到模型建構、訓練與部署，手把手帶你從 0 開始學，是 AI 新手的入門好資源！（責任編輯：郭家宏）
本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請連繫出處
作者：量子位
你是否也有這樣的困惑：「看了無數個入門課程，這個門還是沒跨進去……」
這一次，你可能終於有救了！
PyTorch 官方推出了培訓教程，手把手帶你飛！
課程從介紹 PyTorch 基本概念開始，小白看了完全無壓力。一步步深入，手把手帶你建模、訓練、部署。短短八節課程，你就能真正上手 PyTorch！
既然這麼厲害，那麼就來一起感受一下這份課程吧～
課程大綱：
1. 介紹 PyTorch
雖然這次課程偏向實際操作，但是官方依舊非常友好地默認大家都是新手，從基礎概念上開始逐步引入。
2. 介紹 PyTorch Tensors
在第二節課程中，開始正式引入概念：
Tensor（張量）是 PyTorch 中的核心，它類似於 NumPy 的 ndarrays ，表示的是一個多維矩陣。
PyTorch 中的 Tensors 可以運行在 GPU 上，並且大大加快了運行速度。
具體課程如下：
建立 PyTorch Tensors
數學或邏輯上的應用
張量複製
如何轉移到 GPU
操縱張量形狀
PyTorch-Numpy Bridge
課程中舉出了許多張量運算的典型例子：
比如建立一個 -1 到 1 之間的隨機張量，可以取它的絶對值，使得到的所有值都是正數；可以接受它的反正弦值，因為值在 -1 到 1 之間且返回一個的角度。
此外，PyTorch 中的張量還能進行線性代數運算，如行列式或奇異值分解；
數據統計、彙總，計算均值、標準差、最大值、最小值等等也都不在話下。
3. 自動求導機制
自動求導是 PyTorch 能夠快速運行的重要原因，它可以在深度學習中構建靈活框架。
通過梯度計算也可以推動基於反向傳播的機器學習。
具體課程如下：
為什麼要用自動求導？
典型案例示範
模型訓練中的自動求導
使用自動求導
自動求導分析
高級 API
在具體例子中，教程使用簡單的遞歸神經或 RNN 來展示。
4. 建構模型
具體課程：
模組和參數
常見神經網絡層類型
其他層和函數
以識別字母模型為例， 課程首先展示了如何搭建一個神經網絡：
在建構好網絡後，將其轉化為程式碼，就完成了模型的搭建。
5. PyTorch TensorBoard 支持
具體課程：
TensorBoard 視覺化
繪製標量 & 可視化訓練
模型視覺化
使用嵌入視覺化數集
這一步，課程中用模型進行了一個簡單的訓練：識別不同類型的服裝。
透過跟蹤訓練將數據視覺化，然後用 TensorBoard 來查看模型本身，從而進一步視覺化數據及其內部關係。
6. 訓練模型
具體課程：
用 Torch.NN 建模
自動梯度計算學習
TensorBoard 視覺化
7. 使用 Captum 探索 PyTorch 模型的可解釋性
Captum 是一個模型解釋庫，該庫為許多新的演算法（如：ResNet、BERT、一些語義分割網絡等）提供瞭解釋性。
可以幫助我們更好地理解對模型預測結果產生作用的具體特徵、神經元及神經網絡層。
具體課程：
基本概念
特殊舉例
圖層屬性舉例
用 Captum & Captum insights 探索模型的可解釋性
8. 模型部署推理
具體課程：
PyTorch 模型評估
TorchScript
TorchScript & C++
TorchServe 部署
最後一步，將以上建構出的模型進行評估。
（本文經 AI 新媒體量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈PyTorch官方培训教程上线：从基本概念到实操，小白也能上手 〉。首圖來源：YouTube）
延伸閱讀
95% PyTorch 函式庫都中招的 Bug！連特斯拉 AI 總監也曾入坑
數據科學家技能趨勢解析：PyTorch 職缺大漲 108%，SQL 將成為需求第二大的程式語言
數據分析領域的最基礎門票：4 個步驟，教你如何用 PyTorch 執行線性回歸運算