PyTorch神经网络工具箱(神经网络核心组件)

神经网络核心组件

神经网络看起来很复杂，节点很多，层数多，参数更多。但核心部分或组件不多，把
这些组件确定后，这个神经网络基本就确定了。这些核心组件包括：
1）层：神经网络的基本结构，将输入张量转换为输出张量。
2）模型：层构成的网络。
3）损失函数：参数学习的目标函数，通过最小化损失函数来学习各种参数。
4）优化器：如何使损失函数最小，这就涉及优化器。

当然这些核心组件不是独立的，它们之间，以及它们与神经网络其他组件之间有密切
关系。为便于读者理解，我们可以把这些关键组件及相互关系，用图3-1表示。

多个层链接在一起构成一个模型或网络，输入数据通过这个模型转换为预测值，然后
损失函数把预测值与真实值进行比较，得到损失值（损失值可以是距离、概率值等），该
损失值用于衡量预测值与目标结果的匹配或相似程度，优化器利用损失值更新权重参数，从而使损失值越来越小。这是一个循环过程，当损失值达到一个阀值或循环次数到达指定
次数，循环结束。

接下来利用PyTorch的nn工具箱，构建一个神经网络实例。nn中对这些组件都有现成
包或类，可以直接使用，非常方便。