写在前面

本文是我的机器学习笔记，也是我根据我自己所学的知识总结的，对机器学习的零门槛入门读物。由于是我自己总结的，内容或多或少都有些错误。如果有不懂的问题或发现我文中的错误，欢迎大家及时批评指正！

本文会带大家从支撑向量机一路讲到神经网络的训练，在过程中，我会对所需要的前置知识进行讲解。希望大家在看完之后，也能亲手训练出自己的第一个神经网络！

趁手的工具——PyTorch

入门机器学习，光靠眼睛看可不行，需要自己亲身实践，才能逐步了解机器学习背后的原理。实践就需要工具。目前在机器学习中，有两个趁手的工具可以使用，一个是由google开发的tensorflow，另一个就是由facebook开发的pytorch。由于两者都基于python——一门计算机语言——发展而来，因此，安装整个环境的第一步，就是安装python。

以下粘贴的链接为anaconda，它是一个python的包管理软件，除了自带python环境外，anaconda也会为python提供一个便捷的环境配置方案。

Windows系统点击 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.11-Windows-x86_64.exe 以下载；

Linux系统点击 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.11-Linux-x86_64.sh 以下载。

下载好后，执行程序，按照步骤安装即可，注意过程中需要勾选所有含有“PATH”的选项。

安装好以后，打开命令行，输入

：

若看见“>>>”符号，即代表python已经安装成功。此时可以关闭命令行，也可以输入

退出python环境。

第二步，我们将开始安装pytorch。有条件的可以参考网络上的教程安装cuda与cudnn，随后安装支持GPU加速的pytorch；新手可以不考虑这些，我们的教程中不会有复杂到不得不使用GPU加速的神经网络。因此，我们可以安装CPU版本，这样方便我们入门pytorch：

打开命令行，在命令行中粘贴如下命令：

随后按下回车，等待命令执行结束，即可在python中安装pytorch。

命令执行结束后，我们关闭当前命令行，打开一个新的命令行，仍旧是输入

启动python环境，随后我们输入

import是python的一个关键词，代表着包的导入。在每一次环境启动时，都只会启动最原始的变量与函数。此时，需要我们使用import语句导入我们需要的变量与函数。在这里，torch就是我们需要导入的模块。

导入pytorch之后，我们新建一个torch的张量：

执行结果如下图所示。

张量是神经网络计算的一个重要概念。对于单个数，我们叫它“数”，或者叫它“标量”；当我们把一组标量按照特定的顺序组合起来时，我们叫它“向量”或者“矢量”；当我们把多个向量横着拼起来时，我们得到了一张二维数表，我们叫它“矩阵”。不管是标量，向量还是矩阵，我们都可以称之为“张量”。我们在提到张量时，前面一般会加上一个维度，比如标量可以被看作“0维张量”，向量可以被看作“1维张量”，矩阵可以被看作“2维张量”。pytorch中的神经网络，就是在对于这些张量的计算中实现。

标量举例：；

向量举例：；

矩阵举例：。

我们之后还会再接触到“标量”、“向量”和“矩阵”这些概念，现在的阶段，了解即可。在python中，列表的初始化用中括号进行，torch.tensor相当于一个函数（实际上是一个类），它的输入是python的列表，输出（返回值）是pytorch的张量。让我们看看以上所举的示例在pytorch中如何被构建：

将其输入命令行后，我们可以得到我们想要的结果：

这个就是我们向pytorch中输入标量、向量和矩阵的过程。在之后机器学习的过程中，它们会如影随形地存在着。然而，需要注意的是，无论多么复杂的神经网络，最后都可以被拆解成为“标量”、“向量”、“矩阵”和“函数”这四个概念的组合技。因此，掌握这四个概念，就离掌握神经网络不远了。