PyTorch 是一个流行的开源机器学习库，用于应用深度学习。本教程将为您介绍 PyTorch 的基础知识。

安装 PyTorch

在开始之前，请确保您的计算机已安装 PyTorch。您可以通过以下链接了解如何安装 PyTorch：PyTorch 安装教程

基本概念

张量（Tensors）

在 PyTorch 中，张量是表示数据的基本结构。张量类似于 NumPy 的数组，但具有动态尺寸和自动微分功能。

import torch

x = torch.tensor([1, 2, 3])
print(x)

自动微分

PyTorch 的自动微分功能使得计算梯度变得非常简单。以下是一个计算函数梯度的例子：

import torch

x = torch.tensor(2.0, requires_grad=True)
y = x ** 2

y.backward()
print(x.grad)

神经网络

PyTorch 提供了构建和训练神经网络的各种工具。以下是一个简单的神经网络示例：

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

class Net(nn.Module):
    def __init__(self):
        super(Net, 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

net = Net()
criterion = nn.MSELoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 训练
for epoch in range(100):
    optimizer.zero_grad()
    output = net(torch.randn(10))
    loss = criterion(output, torch.tensor([0.0]))
    loss.backward()
    optimizer.step()

print(net.fc2.weight)

更多资源

如果您想深入了解 PyTorch，以下是一些推荐资源：

PyTorch Logo