Table of contents (开篇词)PyTorch 学习笔记 1 基本概念 1.1 PyTorch 简介与安装 1.2 Tensor(张量)介绍 1.3 张量操作与线性回归 1.4 计算图与动态图机制 1.5 autograd 与逻辑回归 2 图片处理与数据加载 2.1 DataLoader 与 DataSet 2.2 图片预处理 transforms 模块机制 2.3 二十二种 transforms 图片数据预处理方法 3 模型构建 3.1 模型创建步骤与 nn.Module 3.2 卷积层 3.3 池化层、线性层和激活函数层 4 模型训练 4.1 权值初始化 4.2 损失函数 4.3 优化器 5 可视化与 Hook 5.1 TensorBoard 介绍 5.2 Hook 函数与 CAM 算法 6 正则化 6.1 weight decay 和 dropout 6.2 Normalization 7 模型其他操作 7.1 模型保存与加载 7.2 模型 Finetune 7.3 使用 GPU 训练模型 8 实际应用 8.1 图像分类简述与 ResNet 源码分析 8.2 目标检测简介 8.3 GAN（生成对抗网络）简介 8.4 手动实现 RNN 9 其他 PyTorch 常见报错信息 图神经网络 PyTorch Geometric 入门教程