快捷方式

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 SubramanianSeth JuarezCassie BreviuDmitry SoshnikovAri 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

脚本总运行时间:(0 分钟 0.000 秒)

由 Sphinx-Gallery 生成的图库

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源