大多数机器学习流程都包括数据、创建模型、优化模型参数,以及保存训练模型工作。该教程向你介绍一个在PyTorch上实现的完整的机器学习工作流,并提供了了解这些概念详细信息的链接。
我们将使用FashionMNIST数据集训练一个神经网络,用以预测输入图片是否属于以下几类:T-shirt/top, Trouser, Pullover, Dress, Coat, Sandal, Shirt, Sneaker, Bag, or Ankle boot。
本教程假设你对Python和深度学习概念有一个基础的了解。
运行教程代码
你可以利用两种方法运行该教程:
- In the cloud:这是最容易开始的方法!每一节的最上面都有“Run in Microsoft Learn”链接(现在似乎是“Run in Google Colab”),这将在Microsoft Learn中打开一个集成的notebook,这是带有代码的一个完全托管的环境。
- Locally:这种方法要求你首先要在本地安装PyTorch和TorchVision(安装介绍)。下载notebook或者把代码拷贝到你最爱的IDE。
怎样使用该指南
如果你熟悉其它深度学习框架,首先查看0. Quickstart快速熟悉PyTorch的API。
如果你是一个新手,直接进入我们分步指南的第一部分:1. Tensors。
- Quickstart
- Tensors
- Datasets and DataLoaders
- Transforms
- Build Model
- Automatic Differentiation
- Optimization Loop
- Save, Load and Use Model