PyTorch 是一个流行的开源机器学习库，广泛用于深度学习和计算神经网络。它以其动态计算图和易于使用的API而闻名。

安装与配置

在开始使用 PyTorch 之前，您需要确保您的系统已经安装了所需的依赖项。以下是一个基本的安装指南：

  1. 下载并安装 Python
  2. 安装 PyTorch：
    pip install torch torchvision torchaudio
  3. 验证安装：
    import torch
print(torch.__version__)

核心概念

  • Tensor: PyTorch 中的数据类型，类似于多维数组。
  • Autograd: 自动微分系统，用于计算导数。
  • Neural Networks: 神经网络，用于构建复杂的模型。

示例

以下是一个简单的神经网络示例，用于实现一个简单的线性回归模型：

import torch
import torch.nn as nn

# 定义模型
class LinearRegression(nn.Module):
    def __init__(self):
        super(LinearRegression, self).__init__()
        self.linear = nn.Linear(1, 1)

    def forward(self, x):
        out = self.linear(x)
        return out

# 实例化模型
model = LinearRegression()

# 输入数据
x = torch.tensor([[1.0], [2.0], [3.0]])
y = torch.tensor([[1.0], [2.0], [3.0]])

# 训练模型
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

for epoch in range(100):
    optimizer.zero_grad()
    outputs = model(x)
    loss = criterion(outputs, y)
    loss.backward()
    optimizer.step()

    if (epoch+1) % 10 == 0:
        print(f'Epoch [{epoch+1}/100], Loss: {loss.item():.4f}')

# 模型评估
with torch.no_grad():
    y_pred = model(x)
    print(f'Predicted: {y_pred}, Expected: {y}')

更多资源

如果您想深入了解 PyTorch，可以访问以下资源：

PyTorch Logo