（翻译）60分钟入门深度学习工具-PyTorch 公号：机器学习初学者 一、Pytorch是什么？ 二、AUTOGRAD 三、神经网络 四、训练一个分类器 五、数据并行

前言 本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。 Part3：使用PyTorch构建一个神经网络 神经网络可以使用touch.nn来构建。nn依赖于autograd来定义模型，并且对其求导。一个nn.Module包含网络的层（layers），同时forward(input)可以返回output。 这是一个简单的前馈网络。它接受输入，然后一层一层向前传播，最后输出一个结果。 训练神经网络的典型步骤如下： （1）  定义

卷积神经网络基础 互相关运算与卷积运算 卷积层得名于卷积运算，但卷积层中用到的并非卷积运算而是互相关运算。我们将核数组上下翻转、左右翻转，再与输入数组做互相关运算，这一过程就是卷积运算。由于卷积层的核数组是可学习的，所以使用互相关运算与使用卷积运算并无本质区别。 特征图与感受野 二维卷积层输出的二维数组可以看作是输入在空间维度（宽和高）上某一级的表征，也叫特征图（feature map）。影响元素xxx的前向计算的所有可能输入区域（可能大于输入的实际尺寸）叫做xxx的感受野（receptive