从框架到实战：PyTorch 第一课

为什么学框架

前面的课你懂了原理，但手写反向传播、矩阵运算太痛苦。框架把这些都包好了：《动手学深度学习》主要用 PyTorch——业界和学界最流行的框架，Meta 出品，语法接近普通 Python，出错信息友好，非常适合入门。

核心概念只有一个：张量

张量（tensor）就是「多维数组」：一个数是 0 维，一行数是 1 维，一张灰度图是 2 维，一批彩色图是 4 维。PyTorch 的一切计算都在张量上。看看这五行代码——它就是一个神经元的前向计算：

import torch
x = torch.tensor([1.0, 2.0, 3.0])
w = torch.tensor([0.5, -1.0, 2.0])
y = (x * w).sum() + 1
print(y)

逐元素相乘再求和加偏置，输出 4.5——正是第一节讲的 $y=wx+b$。更妙的是，只要给张量声明需要梯度，PyTorch 的自动微分（autograd）会替你完成反向传播。

下一步：打开原书

环境装好后，直接打开 zh.d2l.ai，从「预备知识」的自动微分一节热身，然后进入第 3 章「线性神经网络」——那是你亲手训练的第一个模型。

常见误区

不要先背 API 手册：跟着 d2l 边跑边查才是正路；也别怕报错，报错信息是框架在教你。

练一练：装好 PyTorch，把上面五行代码跑通，再把 w 改成自己设计的三个数，观察 y 怎么变。