视频字幕
欢迎学习 PyTorch！PyTorch 是由 Facebook 开发的开源深度学习框架，它以动态计算图、自动微分系统、GPU 加速支持和丰富的神经网络模块而闻名。PyTorch 的核心组件包括张量处理、自动梯度计算和神经网络构建模块。
张量是 PyTorch 的核心数据结构，类似于 NumPy 的数组但支持 GPU 加速。我们可以使用多种方法创建张量：torch.rand 创建随机张量，torch.zeros 创建零张量，torch.ones 创建全一张量，torch.tensor 从现有数据创建张量。张量可以是一维、二维或多维的。
自动微分是 PyTorch 的核心功能，它能自动计算函数的梯度。使用时需要设置张量的 requires_grad 为 True，然后执行前向计算，调用 backward 方法计算梯度，最后在 grad 属性中获取梯度值。这个过程通过计算图实现，前向传播计算结果，反向传播计算梯度。
构建神经网络是 PyTorch 的核心功能之一。我们使用 torch.nn 模块，通过继承 nn.Module 类来定义模型。主要组件包括全连接层、卷积层、激活函数和正则化层。在 init 方法中定义网络层，在 forward 方法中定义数据流向。这样就构建了一个完整的神经网络模型。
总结一下我们学到的 PyTorch 核心概念：PyTorch 是一个强大的深度学习框架，支持动态计算图。张量是其基础数据结构，支持 GPU 加速和自动微分。Autograd 系统能自动计算梯度，大大简化了模型训练过程。使用 torch.nn 模块可以轻松构建复杂的神经网络。PyTorch 广泛应用于机器学习、计算机视觉和自然语言处理等领域。