1.7　本章小结

• 深度学习模型自动学习关联示例的输入和期望的输出。
• PyTorch库允许你高效地构建和训练神经网络模型。
• PyTorch在注重灵活性和速度的同时最大限度地减少了认知开销，它还默认为急切模式。
• TorchScript允许我们预编译模型，并且不仅可以在Python环境中调用它们，还可以在C++程序和移动设备上调用它们。
• 自2017年初PyTorch发布以来，深度学习工具生态系统得到了显著巩固。
• PyTorch提供了很多实用程序库来推动深度学习项目。

[1]　Edsger W. Dijkstra，“The Threats to Computing Science”。

[2]　我们也推荐你在Arxiv Sanity Preserver网站查找感兴趣的研究论文。

[3]　在2019年国际学习表征会议（International Conference on Learning Representation，ICLR）上，PyTorch在252篇论文中被引用（2018年为87篇），与TensorFlow的引用水平（266篇论文）相当。

[4]　这只是在运行中完成的数据准备，而不是数据预处理，在实际项目中，数据预处理可能是工作量相当大的一部分工作。

[5]　Manning出版社官方论坛的deep-learning-with-pytorch栏目。