PyTorch 基础教程

PyTorch 是一个流行的开源机器学习库，特别适合于应用在深度学习项目中。本教程将为您介绍 PyTorch 的基础知识。

安装 PyTorch

首先，您需要安装 PyTorch。您可以从 PyTorch 官网获取安装指南。

基础概念

张量 (Tensors)

PyTorch 中的所有数据都是以张量的形式存储的。张量类似于 NumPy 中的数组，但具有动态大小和自动微分能力。

创建张量：

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

自动微分

PyTorch 的一个强大功能是自动微分。这意味着您可以为您的模型计算梯度，而不需要手动编写梯度计算代码。

计算梯度：
```
y = x ** 2
y.backward()
```

神经网络

PyTorch 提供了构建和训练神经网络的简单方式。

构建一个简单的神经网络：

import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, 3)
        self.conv2 = nn.Conv2d(6, 16, 3)
        self.fc1 = nn.Linear(16 * 6 * 6, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = torch.relu(self.conv1(x))
        x = torch.max_pool2d(x, (2, 2))
        x = torch.relu(self.conv2(x))
        x = torch.max_pool2d(x, 2)
        x = x.view(-1, self.num_flat_features(x))
        x = torch.relu(self.fc1(x))
        x = torch.relu(self.fc2(x))
        x = self.fc3(x)
        return x

    def num_flat_features(self, x):
        size = x.size()[1:]  # 除批次大小外的所有维度
        num_features = 1
        for s in size:
            num_features *= s
        return num_features

net = Net()

学习资源

如果您想深入了解 PyTorch，以下是一些推荐的学习资源：

希望这个教程能帮助您开始使用 PyTorch。祝您学习愉快！🎉