PyTorch 示例¶
此页面列出了各种 PyTorch 示例，您可以使用它们来学习和试验 PyTorch。
使用卷积神经网络进行图像分类
此示例演示如何在 卷积神经网络 (ConvNets) 上运行图像分类 MNIST 数据库。
使用 Siamese 网络测量相似度
此示例演示如何使用 Siamese 网络 在 MNIST 数据库上测量两个图像之间的相似度。
使用 RNN 和 Transformer 进行词级语言建模
此示例演示如何通过使用 Wikitext-2 数据集在语言建模任务上训练多层 循环神经网络 (RNN)（例如 Elman、GRU 或 LSTM）或 Transformer。
生成对抗网络 (DCGAN)
此示例实现了 使用深度卷积生成对抗网络进行无监督表示学习 论文。
使用高效子像素 CNN 进行超分辨率
此示例演示如何使用 使用高效子像素卷积神经网络进行实时单图像和视频超分辨率 论文中描述的子像素卷积层。此示例在 BSD300 数据集 上训练超分辨率网络。
使用 actor-critic 训练 CartPole 在 OpenAI Gym 中保持平衡
此强化学习教程演示如何使用 OpenAI Gym 工具包中的 Actor-Critic 方法训练 CartPole 在 OpenAI Gym 中保持平衡。
时间序列预测
此初学者示例演示如何使用 LSTMCell 来学习正弦波信号以预测未来的信号值。
在图像上实现神经风格迁移算法
本教程演示如何使用 PyTorch 对图像上实现的 神经风格迁移 (NST) 算法。
使用 fx 进行 PyTorch 模块转换
这组示例演示了 torch.fx 工具包。有关 torch.fx 的更多信息，请参见 torch.fx 概述。
分布式 PyTorch
这组示例演示了 分布式数据并行 (DDP) 和 分布式 RPC 框架。包括 DDP 教程系列 中使用的代码。
C++ 前端
PyTorch C++ 前端是一个用于 CPU 和 GPU 张量计算的 C++14 库。这组示例包括线性回归、autograd、图像识别 (MNIST) 以及其他使用 PyTorch C++ 前端的实用示例。
使用前馈算法进行图像分类
此示例实现了 Geoffrey Hinton 撰写的论文 前馈算法：一些初步调查。在 MNIST 数据库上。它是前馈算法的入门示例。
图卷积网络
此示例在 CORA 数据库上实现了 使用图卷积网络进行半监督分类 论文。
