需要能力：線性代數，概率論和梳理統計，和一定的python基礎
在先進入正題之前我們需要明白並且牢記兩件事情和乙個流程
1，通過pytorch實現學習系統
2，理解基本神經網路/深度學習
（以上內容以後部落格會有）
學習流程：
dataset——>model——>training——>inferring
1，dataset資料集，簡單理解就是我們收集的資料組成的集合。
2，model模型，就像這篇文章的模型一樣，這是其一，模型很多，不過重點是通過這些模型構造屬於自己的模型
3，training訓練，這個交給電腦就好
4，inferring推測，這個交給電腦就好（這兩個過程看完線性模型就知道了）
現在介紹一下線性模型,通俗來講就是給定很多個資料點,希望能夠找到乙個函式來擬合這些資料點令它的誤差最小,比如簡單的一元函式就可以來表示給出一系列的點，找一條直線，使得直線盡可能與這些點接近，也就是這些點到直線的距離之和盡可能小。用數學語言來嚴格表達 ，即 給定由 d 個屬性描述的示例 x = (x1，x2 ，x3 ， …，xd) 』 其中 xi 表示x在第i個屬性上面的取值， 線性模型就是試圖學習 乙個通過屬性的線性組合來進行**的函式，即一元線性模型非常簡單，每個i
ii對應於乙個資料點，希望建立乙個模型 ,其中 ,y一般可以用向量來表達:
w=(w1,w2,…,wd)和b都是要學習的引數,模型通過不斷地調整w和b,最後就能得到乙個最優的模型.
如圖所示這就是乙個極其簡單構造線性模型的資料，看圖右下角，我們把前三行，知道輸入和輸出的稱為tiainingset（訓練集），僅僅知道輸入的為testset（測試集），這裡需要強調的是測試集是已知的。看到這裡你可能不大明白，具體就是我們知道這四組資料，但是呢我們用前面的一部分進行訓練，這也就是我們上述流程的第三步。當我們訓練之後，我們可以輸入第四組資料，我們就可以得出乙個結果，和原來的那個問號的數字比對，這樣就確定我們的訓練的正確性。
其實剛才那個模型，我們一眼就能看出4對應的8，得出的線性模型就是y=2x，這裡的2就是斜率，或者說叫權值（w），也就是這張圖中的trueline，但是作為計算機該如何學習呢？事實是計算機首先隨機給乙個權值，然後就是做出與上圖類似的線，通過對每乙個x對應的y~與真實y的距離進行加和。
這裡我們引進了損失函式loss，如圖所示，我們知道這個模型的權值應該是2，當電腦認為權值為三的時候我們會對應得出每組資料的損失，最後我們平均求出損失值，如圖所示。
現在我需要強調一點那就是上一張的loss求得是一種權值的損失和，而我們為了需要用的是不同權值對應的平均損失。這裡引入乙個重要概念叫平均方差誤差，如圖我們可以很好找到最優的權值2，當然這裡比較巧合，2就是最優，而且損失為0，但是在實際中，損失往往大於0，那我們如何精確找出哪？比較簡單，還是上圖，假設這個圖我們一眼找不到最優，但是我們可以在乙個小範圍內即權值在1~3有最優，那麼我們可以：
通過資料擬合出一條曲線，具體為，你可以讓權值加的很小，不向上上圖，權值為0，1，2，3，4，你可以讓權值為1.01，1.02，，，，，，這樣減小步長就是乙個好辦法。
此**就是在spyder上執行的**和結果，可以明顯看出當權值為2時，損失為0，這裡權值的步長為0.1。有興趣可以看看以下**。
Pytorch 快速入門（一）
pytorch是facebook 的 ai 研究團隊發布了乙個基於 python的科學計算包，旨在服務兩類場合 乙個提供了高度靈活性和效率的深度學習實驗性平台 匯入pytorch的包import torchjupyter notebook 現在，pytorch看起來真的像乙個框架了，而純tensor...
PyTorch入門 一 簡介
2017年1月fair facebook ai research 發布了pytorch。pytorch是在torch的基礎上用python語言重新打造的一款深度學習框架。原先的torch是用lua語言為介面的機器學習框架，但因lua語言較為小眾，導致了torch知名度不高。2017年1月正式發布py...
Pytorch快速入門一 Tensor
tensor 可以簡單地認為是乙個陣列，且支援高效的科學計算。基礎操作 從儲存角度講，可以分為以下兩類 tensor和numpy的相互轉換。tensor 和numpy共享記憶體，所以互相轉換的速度非常快。這也意味著，如果其中乙個變了，另外乙個也會變。import torch as t a t.one...