pytorch基础笔记
pytorch好学吗？
pytorch好学吗？
python是最容易学习的编程语言，相对于其他编程语言来说，python最大的优势就是简单易学、容易上手，适合零基础入门学习。 同时python语言应用领域广泛，在人工智能、数据分析、爬虫、自动化运维、游戏开发、桌面开发等都有很好的应用。
框架PyTorch为何值得深度学习？
pytorch更简单，容易理解，你可以非常方便的查看源码，了解整体运行逻辑
pytorch如何获取第一维的大小？
就循环遍历列表元素，如果元素gt0，返回index，退出循环。 其他方法，实质上也是循环，效率差不了多少。
pytorch使用的是静态图吗？
pytorch使用的不是静态图，而是使用的动态图。
计算图又分为静态图和动态图两种，类似于静态语言和动态语言，区别在于：静态图需要先声明再运行，一次声明多次运行；动态图在运行过程中被定义，可以多次构建多次运行；
tensorflow 使用的是静态图，pytorch 使用的是动态图
tensorflow 语法晦涩，像学一门新语言一样，pytorch 语法简单，可以直接使用 python 中的 if while for
pytorch 是基于动态图的深度学习框架，代码简洁，容易上手。
pytorch 模型干嘛的？
Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络编程。Torch 是一个经典的对多维矩阵数据进行操作的张量库，在机器学习和其他数学密集型应用有广泛应用。
pytorch的计算图是动态的，可以根据计算需要实时改变计算图。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。
pytorch查看模型优化参数？
1、将已经实例化的模型在多个GPU上并行，只需要查GPU的个数。
2、中的参数有三个，第一个是需要并行的模型，第二个是并行所使用的GPU列表（默认使用所有可用GPU），第三个是模型输出所在的device编号（可以是cpu，默认是GP）。
3、为了验证并行效果，我们定义一个打印输入和输出大小的模型，我们使用了2个GPU并行该模型。
4、使用任意一个数据集，在模型输出结果后，我们再打印出输出结果的大小，与模型中的打印结果进行对比。
5、In Model是模型内打印的结果，Outside为模型外打印的结果。对比发现Outside的batch大小为所有In Model之和，代表一个batch的数据被平均分到每个并行的GPU进行计算，之后再合并输出结果。