2- PyTorch

1. Overview

1. 在人的智能中，最经常做的事情是推理和预测，在机器学习中也是如此。我们在以往的算法课中，所接触的穷举、贪心、分治和动规等算法都是由人设计的，而在机器学习中，算法是由数据训练得到的。

---

2. 人工智能是一个很庞大的领域：
   

---

3. 表示学习(Representation Learning)：是一种特征的提取，原始数据中的数据量可能很大，并且特征很多，所以我们希望用一种更好的方式来表示数据样本的信息。为什么不希望特征(feature)多呢？因为feature越多，需要的采样数据也就越多(指数级增加)，在工程性方面也要考虑这个问题。
   
   DeepLearning就是将特征转为了简单特征，它设立了一个额外的层来提取特征，接入到学习器最后输出。

---

4. 类似于神经元，神经网络设计了感知机(preceptron)：
   

---

5. 反向传播算法：在每一步求一次偏导，通过链式法则传递到最开始的输入
   

---

2. 线性模型

…