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 || 自动求导 || 优化 || 保存和加载模型

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涉及处理数据、创建模型、优化模型参数以及保存训练好的模型。本教程向您介绍了一个在PyTorch中实现的完整ML工作流程，并提供了了解更多关于这些概念的链接。

我们将使用FashionMNIST数据集来训练一个神经网络，该网络可以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。

本教程假设您对Python和深度学习概念有基本的了解。

运行教程代码

你可以通过以下几种方式运行本教程：

• 在云端：这是入门的最简单方式！每个部分顶部都有一个“在 Microsoft Learn 中运行”和“在 Google Colab 中运行”的链接，分别会在 Microsoft Learn 或 Google Colab 中打开一个集成的笔记本，代码在完全托管的环境中运行。

• 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

如果你熟悉其他深度学习框架，请先查看0. 快速入门，以快速熟悉PyTorch的API。

如果你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. Quickstart

1. Tensors

2. Datasets and DataLoaders

3. Transforms

4. Build Model

5. Automatic Differentiation

6. Optimization Loop

7. Save, Load and Use Model