通用深度學習模型實現流程

原文鏈接：https://zhuanlan.zhihu.com/p/76901725

1. 加載數據和標籤（如手寫數字識別中的數據就是一張圖片，而一張圖片在計算機裏面是一個由整數組成的矩陣，它的標籤是當前這個圖片到底是數字幾）
2. 設計網絡結構（如是共有幾層神經網絡，每層輸入輸出的矩陣格式，每層的激活函數是怎樣的，當前層到底是卷積層還是循環神經網絡層等等）
3. 設計損失（誤差）函數（以手寫數字識別爲例，神經網絡會輸出一個值表明當前這個圖片到底是幾，但是一開始肯定不準確。所以我們需要計算神經網絡輸出值與標籤之間的誤差。而誤差計算有很多種我們需要告訴pytorch怎麼計算誤差。然後pytorch就會自動根據我們設定的誤差計算方法去自動調整神經網絡的參數）
4. 設置用於自動調整神經網絡參數的優化器（在上一步我們提到了pytorch會自動幫我們自動調整神經網絡的參數，但是具體用哪種優化器去調整參數呢？這需要我們告訴pytorch，因此我們需要用代碼設置具體用哪個優化器調整參數）
5. 使用數據和標籤訓練神經網絡
   這個神經網絡已經訓練好可以用於解決你的問題了。（你只用輸入數據，然後用神經網絡輸出結果即可）
   摘錄於 https://zhuanlan.zhihu.com/p/76901725