學習基礎 || 快速入門 || 張量 || 資料集 & 資料載入器 || 轉換 || 構建模型 || Autograd || 優化 || 儲存 & 載入模型

學習基礎

建立於：2021 年 2 月 9 日 | 最後更新：2024 年 11 月 4 日 | 最後驗證：2024 年 11 月 5 日

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

大多數機器學習工作流程涉及處理資料、建立模型、優化模型參數以及儲存訓練好的模型。 本教學向您介紹在 PyTorch 中實現的完整 ML 工作流程，並提供連結以了解更多關於這些概念的信息。

我們將使用 FashionMNIST 資料集來訓練一個神經網路，以預測輸入圖像是否屬於以下類別之一：T 卹/上衣、褲子、套頭衫、連衣裙、外套、涼鞋、襯衫、運動鞋、包或踝靴。

本教學假定您對 Python 和深度學習概念有基本的熟悉度。

運行教學程式碼

您可以透過以下幾種方式運行本教學

• 在雲端：這是開始使用的最簡單方式！ 每個部分頂部都有一個「在 Microsoft Learn 中運行」和「在 Google Colab 中運行」連結，分別在 Microsoft Learn 或 Google Colab 中打開一個整合的筆記本，其中包含在完全託管環境中的程式碼。

• 在本地：此選項需要您先在本機上設定 PyTorch 和 TorchVision（安裝說明）。 下載筆記本或將程式碼複製到您最喜歡的 IDE 中。

如何使用本指南

如果您熟悉其他深度學習框架，請先查看0. 快速入門，以快速熟悉 PyTorch 的 API。

如果您是深度學習框架的新手，請直接進入我們逐步指南的第一部分：1. 張量。

0. 快速入門

1. 張量

2. 資料集和資料載入器

3. 轉換

4. 構建模型

5. 自動微分

6. 優化迴圈

7. 儲存、載入和使用模型