学习基础知识 || 快速入门 || 张量 || 数据集与数据加载器 || 转换 || 构建模型 || 自动微分 || 优化 || 保存与加载模型

学习基础知识 ¶

创建于：2025 年 4 月 1 日 | 最后更新：2025 年 4 月 1 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。本教程向您介绍在 PyTorch 中实现的完整 ML 工作流程，并提供链接以了解更多关于这些概念的信息。

我们将使用 FashionMNIST 数据集来训练一个神经网络，该神经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、开衫、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 ¶

您可以通过以下几种方式运行本教程：

• 在云端：这是开始的最简单方法！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，分别打开 Microsoft Learn 或 Google Colab 中的集成笔记本，代码在完全托管的环境中运行。

• 本地：此选项需要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。

如果你是深度学习框架的新手，请直接进入我们的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