PyTorch 是一个流行的开源机器学习库，用于应用深度学习。这个教程将带你入门，了解如何使用 PyTorch 进行深度学习。

快速开始

  1. 安装 PyTorch 首先，你需要安装 PyTorch。你可以从 PyTorch 官网 下载适合你操作系统的安装包。

  2. 创建第一个神经网络 下面是一个简单的神经网络示例：

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

# 定义一个简单的神经网络
class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(784, 500)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(500, 10)

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

# 实例化网络
net = SimpleNet()

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

# 训练网络
for epoch in range(100):  # 训练 100 个回合
    optimizer.zero_grad()
    output = net(x_train)
    loss = criterion(output, y_train)
    loss.backward()
    optimizer.step()

print('Finished Training')

  3. 评估模型 完成训练后，你可以使用测试数据集来评估模型的性能。

扩展阅读

PyTorch Logo