学习基础知识 || 快速入门 || 张量 || 数据集和数据加载器 || 变换 || 构建模型 || 自动微分 || 优化 || 保存和加载模型

学习基础知识

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、优化模型参数以及保存训练后的模型。本教程将向您介绍在 PyTorch 中实现的完整 ML 工作流程，并提供链接以了解有关每个概念的更多信息。

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、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或踝靴。

本教程假定您已具备 Python 和深度学习概念的基本知识。

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：这是最简单的入门方式！每个部分的顶部都有一个“在 Microsoft Learn 中运行”和“在 Google Colab 中运行”链接，分别会在 Microsoft Learn 或 Google Colab 中打开一个集成的笔记本，并在完全托管的环境中提供代码。

• 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）。下载笔记本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，请先查看0. 快速入门，以便快速熟悉 PyTorch 的 API。

如果您不熟悉深度学习框架，请直接进入我们分步指南的第一部分：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