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 || 自动求导 || 优化 || 保存和加载模型
基础知识
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数据处理、模型创建、优化模型参数以及保存训练好的模型。本教程将向您介绍一个完整的用 PyTorch 实现的机器学习工作流程，并附有相关概念的进一步学习链接。
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
您可以通过以下几种方式运行本教程：
-
在云端：这是最便捷的入门方式！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，点击后分别会在 Microsoft Learn 或 Google Colab 中打开一个集成笔记本，代码将在完全托管的环境中运行。
-
本地运行：此选项需要您先在本地机器上安装 PyTorch 和 TorchVision（安装指南）。下载笔记本或将代码复制到您喜欢的 IDE 中。