課程推薦 pytorch-fundamentals 有點硬的課程

總算完成了 PyTorch 的課程！

這對我整體的學習計畫來說，其實只是跨出了一小步而已（有興趣的人可以先看看我的 TensorRT-LLM 學習地圖）。

不過整個修課的過程中，我完全能感受到老師的用心。借用李宏毅老師常說的，這真的是「上古時代」才有的那種耐心教學。

怎麼說呢？現在這個 AI 時代大家步調都很快，但這門課基本上是規定你不能任意使用 AI 的。老師每個 Module 的考題，在一個 Jupyter Notebook 裡面就可以包含四、五個手寫題目，前面還加上一堆前情提要。一門課程作業要提交，至少要花上一個小時。老實說真的不能說簡單，如果沒有拷貝大法，整個學習曲線會更陡，要花更長時間。

所以在這種情況下，還要硬記一層層、一個個 PyTorch Module 的名稱，老實說真的有點辛苦。實作時，我多半還是要參考先前的範例。

我的折衷方式是：先把先前的作業記下來，像是之前用過哪些模組的名稱，然後依據作業中的指引，去回想、找出對應的功能來改寫參數。

但也因為這樣，我把學習重心放在理解「核心模板與公式是什麼」、「為什麼要這樣做」以及「需要注意哪些關鍵」。

至於每個 function 的語法細節，我相信未來隨時可以請 AI 搞定。身為人類，我們在這個時代更該搞懂的是本質與邏輯——例如：為什麼在計算 Gradient 並更新 Step 之前，要先 zero_grad？不同 Layer 的底層機制是什麼（像是圖片為什麼需要 Max Pooling？為什麼要 Flatten 壓平才利於後續的 NN 訓練）？Input 和 Output Layer 的維度又該如何定義？

這些才是我們在向 AI 描述神經網路（NN）架構時，絕對不能出錯的核心觀念。否則，我們就只是被 AI 牽著走，而不是在主導它。

總之，對於 CNN、PyTorch 有興趣想要入門的人，我很推薦這門 Coursera 的 PyTorch 基礎課程。