Pytorch基础数据结构

开始学深度学习咯！在正式进入深度神经网络的学习之前，还是需要先选好框架实现。在这里，我选择的还是比较简单的pytorch（基础好的选TensorFlow也可以的！）

这一篇博客主要介绍pytorch的常用数据结构及其常见操作，还有深度学习的基本流程。

主要内容包括：

1. tensor张量
2. 数据加载工具：Dataset、Sampler、DataLoader等
3. 深度学习基本流程

tensor张量

tensor张量是pytorch中最基础的数据结构，相当于numpy中的ndarray，下面介绍一些基础的tensor操作（基本上，numpy有的tensor都有）

Dataset与DataLoader

这两个存储结构是为了便利于pytorch访问大数据的数据结构，具体创建与使用方法如下：

深度学习开发的基本过程

1. 数据准备：加载——变换——批处理
2. 模型开发：设计——训练——测试
3. 模型部署