注意
跳转至页面底部下载完整示例代码。
学习基础知识 || 快速入门 || 张量 (Tensors) || 数据集与数据加载器 || 转换 (Transforms) || 构建模型 || 自动求导 (Autograd) || 优化 || 保存与加载模型
学习基础知识#
创建日期：2021年2月9日 | 最后更新：2026年1月20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。本教程向您介绍一个在 PyTorch 中实现的完整机器学习工作流，并附有了解这些概念的详细信息链接。
我们将使用 FashionMNIST 数据集来训练一个神经网络，该网络能够预测输入图像属于以下哪一类：T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或短靴。
本教程假定您已具备 Python 和深度学习概念的基础知识。
运行教程代码#
您可以通过以下几种方式运行本教程
在云端运行：这是最简单的入门方式！每一部分的顶部都有一个“在 Google Colab 中运行”的链接，它会在 Google Colab 中打开一个集成笔记本，并在完全托管的环境中运行代码。
本地运行：此选项要求您先在本地机器上设置 PyTorch 和 TorchVision（安装说明）。下载笔记本或将代码复制到您常用的 IDE 中即可。
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，请直接进入我们循序渐进指南的第一部分：1. 张量 (Tensors)。