Pytorch入门学习

最近写的代码用到pytorch，还记得之前有一个模型用的是Theano写的，复现了很久。师兄推荐学习pytorch，简单，而且更主流，本来推荐的是官方视频60分钟的入门，结果没办法看YouTube，只能上B站上看Pytorch入门学习，共八堂课，每门课两个小时，还算是比较容易入门，声音挺好听的，推荐。开始学习。

目录
第一课：深度学习回顾与pyTorch简介
第二课：词向量简介
第三课：语言模型
第四课：自然语言分类任务
第五课：简单图片分类
第六课：图片风格迁移和GAN
第七课：Seq2Seq与Attention
第八课：问答系统

第一课：深度学习回顾与pyTorch简介
torch.randn(sizes, out=None) → Tensor
返回一个张量，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。张量的形状由参数sizes定义。如果是torch.randn(a,b,c)这种形式，会产生a个bc的矩阵。如果是torch.randn(a,b)这种形式，会产生1个a*b形式的矩阵。

torch.nn.Conv2d()函数详解
讲形状（size）很详细。
输入：
x
[ batch_size, channels, height_1, width_1 ]
batch_size 一个batch中样例的个数 2
channels 通道数，也就是当前层的深度 1
height_1, 图片的高 7
width_1, 图片的宽 3
Conv2d的参数
[ channels, output, height_2, width_2 ]
channels, 通道数，和上面保持一致，也就是当前层的深度 1
output 输出的深度 8
height_2, 过滤器filter的高 2
width_2, 过滤器filter的宽 3
输出：
res
[ batch_size,output, height_3, width_3 ]
batch_size, 一个batch中样例的个数，同上 2
output 输出的深度 8
height_3, 卷积结果的高度 6 = height_1 - height_2 + 1 = 7-2+1
width_3, 卷积结果的宽度 1 = width_1 - width_2 +1 = 3-3+1

什么是通道channel呢？下面博客写的也很好!

CNN中feature map、卷积核、卷积核个数、filter、channel的概念解释，以及CNN 学习过程中卷积核更新的理解