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程涉及处理数据、创建模型、优化模型参数以及保存已训练的模型。本教程将向您介绍在 PyTorch 中实现的完整机器学习工作流程，并提供深入了解这些概念的相关链接。
我们将使用 FashionMNIST 数据集来训练一个神经网络，该网络用于预测输入图像是否属于以下类别之一：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。
本教程假定读者已基本熟悉 Python 和深度学习概念。
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计算机上配置 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。
如果您刚接触深度学习框架，请直接进入我们分步指南的第一部分：1. 张量 (Tensors)。