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

学习基础

创建日期: 2021年2月9日 | 最后更新日期: 2024年11月4日 | 最后验证日期: 2024年11月5日

作者： 苏拉吉·苏布拉马尼亚, 塞斯·胡arez, 卡西·布雷维乌, 德米特里·索什尼科夫, 阿里·博恩斯坦

大多数机器学习工作流涉及处理数据、创建模型、优化模型参数以及保存训练好的模型。本教程将带你了解一个完整的基于PyTorch的机器学习工作流，并提供链接让你更深入地学习每个概念。

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属于以下类别之一：T恤/ Tops、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或短靴。

This tutorial assumes a basic familiarity with Python and Deep Learning concepts.

运行教程代码

您可以以几种方式运行此教程：

• 在云端: 这是最简单的方式开始！每个部分都有一个“在 Microsoft Learn 中运行”和“在 Google Colab 中运行”的链接，分别在 Microsoft Learn 或 Google Colab 中打开一个集成的笔记本，在其中可以使用托管环境中的代码。

• 本地：此选项要求您首先在本地计算机上设置PyTorch和TorchVision（安装说明）。下载笔记本或将其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