前言
本次笔记为datawhale组队学习的学习笔记，简单记录了本期学习到的相关内容
一、PyTorch模型的定义
对于一个好的深度学习网络来说，一个好的模型必不可少，在当今许多不同的网络中，我们都需要用到与之相关的模型。
PyTorch模型定义要包含两个部分：各个部分的初始化(__init__)；数据流向定义(forward)。
基于nn.Module,我们可以通过Sequential,ModuleList和ModuleDict三种方式定义模型。
二、利用模型块快速搭建复杂网络
在深层次的神经网络中，我们会发现总是有一些相同的结构重复出现，而每次遇到这样的情况我们都需要重复做相当的工作，我们不妨将重复出现的层定义为一个“模块”，每次只需要向网络中添加对应的模块就可以用来构建模型，简单高效。
三、修改模型
我们可以自己建立一个模型，但更多情况利用现成的网络结果会更高效，但是我们的目标与此并不相同，这就需要我们在现有的模型上进行一定的修改，满足我们的目的。
四、模型保存与读取
PyTorch存储模型主要采用ppl,pt,path三种格式，就使用层面来说并没有大的区别，一个PyTorch模型主要包含两个部分：模型结构和权重
五、总结
PyTorch是一个非常好用的深度网络框架，在学习之前，了解其基础是十分必要的，学习内容将持续更新