Pytorch從入門到放棄
一、前置基礎（選看）
二、Pytorch 引入
本章更多的是對 torch 的發展史的簡單闡述。
三、Pytorch 搭建神經網絡流程
本章將會帶你站在一個高的角度來看 torch 這個框架，其中細節你可能有些看不懂，但是沒關系，后面會把各個細節逐一攻破。
四、Pytorch 的 Tensor 操作
上一章我們通過一些小實例演示了 torch 解決問題的一個流程，但是如果要解決手寫數字問題我們可能還需要學些新東西。
所以本章分享則更多的是想讓我們更好的利用torch幫我們解決更多的實際問題，而為了解決我們這第一個手寫數字分類問題，首先讓我們來先了解下torch的一些基礎語法和基礎方法。
不得不再次申明，由於torch的數據類型和numpy的數據類型有異曲同工之妙，所以此處默認你有numpy的基礎，如果你不是很了解numpy的用法，可以查看前置基礎中的 Numpy 基礎。
五、Pytorch 的 autograd 操作
上一篇文章簡單的講解了 tensor 的使用方法，雖然看起來很多，但還是很不全面的，不過對於接下來各種項目的搭建是足夠的，而且一通百通，真遇到一個兩個不太會的方法，百度是個好東西。
在使用 torch 搭建一個項目時，就好比在搭建一個房子，而 tensor 就相當於各種原料，對於房子的骨架結構，則更多的需要我們接下來要介紹的東西來實現。
也就是 autograd，autogra 的中文名叫做自動微分，顧名思義，就是讓 torch 幫我們自動計算微分，它也是 torch 進行神經網絡優化的核心。因此站在神經網絡架構中講，autograd 這個東西能夠根據輸入和前向傳播過程自動構建計算圖，並執行反向傳播。
注：計算圖可以簡單的看做網絡的架構圖，只不過這個“架構圖”轉載的是各個流程單元的數據信息。
六、Pytorch 的 nn 工具箱
nn 其實就是對 autograd 的又一層封裝，為的就是讓我們更快地更簡單地搭建一個神經網絡。
接下來我們將詳細講解 nn 這個工具箱的作用和使用方法，方便我們快速的搭建一個神經網絡。
七、Pytorch 中常用的工具
上一章其實已經把 torch 的重要的基礎都講完了，通過這些基礎你完全可以搭建一個屬於你自己的深度神經網絡架構，接下來介紹的工具更多的是輔助作用，但是你也不能不看，因為也很重要，哈哈！
這一章主要介紹三個工具，它們是在數據、可視化和 GPU 加速常用的工具，如果合理地使用這些工具可以極大地提高編碼效率哦！
八、Pytorch 實戰
前幾章已經把 pytorch 的大部分基礎知識講的很詳細了，足夠我們未來的使用，但是如果你想更加詳細的了解 pytorch 的使用方法，推薦去閱讀 pytorch 的官方文檔， 而不是去看其他作者寫的書籍或者博客，因為所有人的文章都不過是對官方文檔做了自己的見解罷了。
接下來我們將給大家講解一個又一個項目實戰，通過項目去深入並記憶一個個知識點。