学习基础 || 快速开始 || 张量 || 数据集和数据加载器 || 数据变换 || 构建模型 || 自动求导 || 优化 || 保存和加载模型

学习基础

Created On: Feb 09, 2021 | Last Updated: Nov 04, 2024 | Last Verified: Nov 05, 2024

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

大多数机器学习工作流程包括处理数据、创建模型、优化模型参数和保存训练后的模型。本教程向您介绍一个完整的 ML 工作流（用 PyTorch 实现），并附有学习这些概念的更多链接。

我们将用 FashionMNIST 数据集来训练一个神经网络，该网络预测输入的图像是否属于下列类别中的某一类：T-shirt/top，Trouser，Pullover，Dress，Coat，Sandal，Shirt，Sneaker，Bag 或 Ankle boot。

本教程假定您已对 Python 和深度学习概念有基本的熟悉。

运行教程代码

您可以通过以下几种方式运行此教程：

• 在云端运行：这是最快速的开始方式！每节开头都有一个”在 Microsoft Learn 中运行”和”在 Google Colab 中运行”的链接，点击即可在 Microsoft Learn 或 Google Colab 的集成环境中运行代码。

• 本地运行：此选项需要您先在本地计算机上安装 PyTorch 和 TorchVision（安装说明）。下载 notebook 或将代码复制到您喜欢的 IDE。

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. 快速开始 以快速熟悉 PyTorch 的 API。

如果您是深度学习框架的新手，请直接进入我们分步指南的第一部分：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