注意
转到末尾下载完整的示例代码。
学习基础知识 || 快速入门 || 张量 || 数据集和数据加载器 || 变换 || 构建模型 || Autograd || 优化 || 保存和加载模型
学习基础知识#
创建于：2021年2月9日 | 最后更新：2025年7月7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都涉及处理数据、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 中实现的完整机器学习工作流，并提供了学习每个概念的更多链接。
我们将使用 FashionMNIST 数据集来训练一个神经网络，该网络可以预测输入图像是否属于以下类别之一：T-shirt/top（T恤/上衣）、Trouser（裤子）、Pullover（套头衫）、Dress（连衣裙）、Coat（外套）、Sandal（凉鞋）、Shirt（衬衫）、Sneaker（运动鞋）、Bag（包）或 Ankle boot（踝靴）。
本教程假定您对 Python 和深度学习概念有基本的了解。
运行教程代码#
您可以通过几种方式运行本教程：
在云端：这是最简单的入门方式！每个部分的顶部都有一个“在 Microsoft Learn 中运行”和“在 Google Colab 中运行”的链接，分别在 Microsoft Learn 或 Google Colab 中打开一个集成的 notebook，代码在一个完全托管的环境中。
本地运行：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 notebook 或将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。
