PyTorch API

PyTorch API 是 PyTorch 提供的一套编程接口（Application Programming Interface），它允许开发者用 Python 或 C++ 编写深度学习程序，涵盖了从张量操作、自动求导，到构建神经网络、优化训练、加载数据等完整的机器学习/深度学习流程。

---

🔧 PyTorch API 包括的核心模块：

1. torch：基础张量操作模块

• 类似 NumPy，但支持 GPU 和自动求导

• 常用函数：torch.tensor(), torch.arange(), torch.mean(), torch.matmul(), torch.device() 等

2. torch.nn：构建神经网络模型

• 提供了神经网络层（如 Linear, Conv2d, LSTM）、激活函数（如 ReLU、Sigmoid）等

• 用法：继承 nn.Module 构建自定义模型类

3. torch.autograd：自动微分模块

• 自动构建计算图，支持 .backward() 自动求梯度

• 常用：x.requires_grad=True, y.backward(), x.grad

4. torch.optim：优化器模块

• 常见优化器如：SGD, Adam, RMSprop

• 用法：optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

5. torch.utils.data：数据加载工具

• 用于创建自定义数据集和数据加载器（Dataset, DataLoader）

• 支持批量读取、打乱、并行加载等功能

6. torch.distributions：概率分布

• 提供多种概率分布模型，用于采样、估计概率、强化学习中的策略等

7. torchvision、torchaudio、torchtext（拓展库）

• 用于计算机视觉、音频处理、自然语言处理等领域，提供数据集、模型、预处理工具

---

🧠 PyTorch API 示例：手写一个简单神经网络

import torch
from torch import nn# 定义模型
class MLP(nn.Module):def __init__(self):super().__init__()self.hidden = nn.Linear(784, 256)self.output = nn.Linear(256, 10)def forward(self, x):x = torch.relu(self.hidden(x))return self.output(x)# 初始化模型和数据
model = MLP()
X = torch.rand((64, 784))  # batch_size=64, 输入维度784
y = model(X)

---

📚 官方文档

PyTorch API 文档官网（中文/英文）提供所有模块、类、函数的详细说明：

• 英文版：Page Redirection

• 中文版（可能略旧）：https://pytorch.apachecn.org/