Введение

Типы обучения:

• С учителем: есть данные и метки.
• Без учителя: есть данные и ожидаемое количество меток. Проводится классификация, затем говорится: это то, это= это.
• Трансферное обучение: используем некую уже обученную модель и дообучаем ее.
• Обучение с подкреплением: среда, агент и награда за корректный ответ.

Тензоры

scalar = torch.tensor(7) # создание тензора
scalar.ndim              # размерность 0 это один на один
scalar.item()            # элементы тензора
tns = torch.rand(3, 4)   # слчайный тензор

 

 

Тренды библиотек ИИ

https://www.learnpytorch.io

https://colab.research.google.com/

Библиотека машинного обучения. Можно запускать предобученные модели. Например для компьютерного зрения: 

from torchvision import models

print(dir(models))

Названия в верхнем регистре - классы, реализующие популярные архитектуры. В нижнем - экземпляры сетей с определенным количеством слоев, нейронов, возможно с весами, т е объекты.