pytorch实现深度学习算法主要包含以下步骤： 输入数据集数据预处理训练验证推理测试其他辅助功能，如显示进度条、保存训练过程log等但是，“基于pytorch做深度学习”范围太广。不同研究方向对应上述步骤的处理差别较大，比如cv输入的是图像，那么自然有图像的处理方式；nlp输入的是序列；差别还是比较大的。通用的框架熟练后自然也就会了，没有必要单独拿出来学。 回到问题本身，pytorch是成熟框架，能否学好与代码水平关系高低…

先说结论：无他，唯手熟尔。 pytorch只是一个框架，还需要细化研究的方向，在领域内学习pytorch。 只学与领域内有关的，怎么学呢？就是看代码，高星项目，论文源码。边学边总结，形成自己的一套代码逻辑，懂原理，就会修改了。 没源码的论文先不看，然后pytorch熟了，根据无源码论文的网络结构自己搭就行。 结构定义写在__init__中，箭头传递写在forward中。写好后随机生成个Tensor测试，输入和输出的维度正确，模型基本上就搭建…