1.7　本章小結

• 深度學習模型自動學習關聯示例的輸入和期望的輸出。
• PyTorch庫允許你高效地構建和訓練神經網絡模型。
• PyTorch在注重靈活性和速度的同時最大限度地減少了認知開銷，它還默認為急切模式。
• TorchScript允許我們預編譯模型，并且不僅可以在Python環境中調用它們，還可以在C++程序和移動設備上調用它們。
• 自2017年初PyTorch發布以來，深度學習工具生態系統得到了顯著鞏固。
• PyTorch提供了很多實用程序庫來推動深度學習項目。

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

[2]　我們也推薦你在Arxiv Sanity Preserver網站查找感興趣的研究論文。

[3]　在2019年國際學習表征會議（International Conference on Learning Representation，ICLR）上，PyTorch在252篇論文中被引用（2018年為87篇），與TensorFlow的引用水平（266篇論文）相當。

[4]　這只是在運行中完成的數據準備，而不是數據預處理，在實際項目中，數據預處理可能是工作量相當大的一部分工作。

[5]　Manning出版社官方論壇的deep-learning-with-pytorch欄目。