学习基础知识 || 快速入门 || 张量 || 数据集 & 数据加载器 || 变换 || 构建模型 || Autograd || 优化 || 保存 & 加载模型

学习基础知识

创建于：2021 年 2 月 9 日 | 最后更新：2024 年 11 月 4 日 | 最后验证：2024 年 11 月 5 日

作者：Suraj Subramanian, Seth Juarez, Cassie Breviu, Dmitry Soshnikov, Ari Bornstein

大多数机器学习工作流程都涉及处理数据、创建模型、优化模型参数和保存训练好的模型。本教程向您介绍在 PyTorch 中实现的完整 ML 工作流程，并提供链接以了解更多关于这些概念的信息。

我们将使用 FashionMNIST 数据集来训练一个神经网络，该网络预测输入图像是否属于以下类别之一：T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或踝靴。

本教程假定您基本熟悉 Python 和深度学习概念。

运行教程代码

您可以通过以下几种方式运行本教程

• 在云端：这是开始入门的最简单方法！每个部分顶部都有一个“在 Microsoft Learn 中运行”和“在 Google Colab 中运行”链接，分别在 Microsoft Learn 或 Google Colab 中打开一个集成的 Notebook，并在完全托管的环境中包含代码。

• 本地：此选项要求您首先在本地机器上设置 PyTorch 和 TorchVision（安装说明）。下载 Notebook 或将代码复制到您喜欢的 IDE 中。

如何使用本指南

如果您熟悉其他深度学习框架，请首先查看0. 快速入门，以快速熟悉 PyTorch 的 API。

如果您是深度学习框架的新手，请直接进入我们逐步指南的第一部分：1. 张量。

0. 快速入门

1. 张量

2. 数据集和数据加载器

3. 变换

4. 构建模型

5. 自动微分

6. 优化循环

7. 保存、加载和使用模型