Pytorch脑图

这是一篇关于Pytorch脑图的思维导图，该思维导图全面涵盖了PyTorch的核心组件及其主要功能模块，便于开发者快速上手和使用。

Pytorch脑图

• PyTorch 核心组件
  • 1. 张量（Tensor）
    • 基础操作（加减乘除、矩阵乘法）
    • 形状变换（reshape/view/squeeze/unsqueeze）
    • 数据类型转换（float32/int64等）
    • GPU加速（.cuda()/.to(device)）
  • 2. 自动微分（Autograd）
    • requires_grad 属性
    • backward() 反向传播
    • grad 梯度计算
  • 3. 神经网络层（nn.Module）
    • 基础层
      • Linear 全连接层
      • Conv2d 卷积层
      • RNN/LSTM/GRU 循环层
      • Dropout/BatchNorm 正则化层
    • 容器
      • Sequential 顺序容器
      • ModuleList 模块列表
  • 4. 数据加载（Data Utilities）
    • Dataset 抽象类
    • DataLoader 数据加载器
      • 批处理（batch_size）
      • 打乱数据（shuffle）
      • 多进程加载（num_workers）
    • 预定义数据集（torchvision.datasets）
  • 5. 优化器（Optimization）
    • SGD
    • Adam
    • RMSprop
    • 学习率调度器（lr_scheduler）
  • 6. 损失函数（Loss Functions）
    • MSE（均方误差）
    • CrossEntropy（交叉熵）
    • BCEWithLogits（二元分类）
    • 自定义损失函数
  • 7. 实用工具
    • 模型保存/加载（torch.save()/torch.load()）
    • 设备管理（torch.cuda/is_available()）
    • 随机种子设置（manual_seed）
  • 8. 分布式训练
    • DataParallel（单机多卡）
    • DistributedDataParallel（多机多卡）
  • 9. 部署相关
    • TorchScript（模型序列化）
    • ONNX 导出