PyTorch 文档

PyTorch 是一个流行的开源机器学习库，用于应用深度学习。它提供了灵活的API和强大的功能，使得研究人员和开发者能够轻松地构建和训练复杂的神经网络。

快速开始

以下是一些基本的PyTorch概念和操作：

张量（Tensors）：PyTorch中的数据结构，类似于NumPy的数组，但支持自动微分。
自动微分（Autograd）：PyTorch的核心特性之一，允许自动计算梯度。
神经网络（Neural Networks）：PyTorch提供了构建和训练神经网络的各种工具。

示例代码

这是一个简单的神经网络示例：

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

# 定义模型
class SimpleNN(nn.Module):
    def __init__(self):
        super(SimpleNN, 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

# 实例化模型
model = SimpleNN()

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

# 模拟一些数据
inputs = torch.randn(64, 10)
targets = torch.randn(64, 1)

# 训练模型
for epoch in range(100):
    optimizer.zero_grad()
    outputs = model(inputs)
    loss = criterion(outputs, targets)
    loss.backward()
    optimizer.step()

    if epoch % 10 == 0:
        print(f'Epoch {epoch}, Loss: {loss.item()}')

PyTorch 文档

快速开始

示例代码

更多资源