PyTorch 是一个流行的开源机器学习库，用于应用深度学习。以下是一些关于 PyTorch API 的基本参考信息。

模块和函数

  • torch.nn: 包含神经网络模块，例如层、损失函数和优化器。
  • torch.optim: 包含优化器，如 SGD、Adam 等。
  • torch.utils.data: 包含数据加载和转换工具。

示例代码

import torch
import torch.nn as nn
import torch.optim as optim

# 创建一个简单的神经网络
class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(10, 50)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(50, 1)

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

# 实例化网络、损失函数和优化器
net = SimpleNet()
criterion = nn.MSELoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 假设有一些输入数据
inputs = torch.randn(1, 10)
targets = torch.randn(1, 1)

# 前向传播
outputs = net(inputs)

# 计算损失
loss = criterion(outputs, targets)

# 反向传播和优化
optimizer.zero_grad()
loss.backward()
optimizer.step()

扩展阅读

更多关于 PyTorch 的信息，请访问我们的 PyTorch 教程页面。

图片示例

PyTorch 图形界面

PyTorch 图形界面

PyTorch 提供了一个强大的图形界面，用于可视化神经网络结构。