PyTorch 是一个流行的开源机器学习库，特别适用于深度学习任务。以下是一些入门级的 PyTorch 教程。

快速入门

  1. 安装 PyTorch

  2. 创建第一个神经网络

    • 在 PyTorch 中创建神经网络非常简单。以下是一个简单的示例：
import torch
import torch.nn as nn

# 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(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

# 实例化网络
net = SimpleNet()

# 输入数据
x = torch.randn(1, 10)

# 前向传播
output = net(x)

print(output)
  1. 训练神经网络
    • 训练神经网络通常涉及定义损失函数和优化器。以下是一个简单的训练循环：
import torch.optim as optim

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

# 训练数据
x_train = torch.randn(100, 10)
y_train = torch.randn(100, 1)

# 训练循环
for epoch in range(100):
    optimizer.zero_grad()
    output = net(x_train)
    loss = criterion(output, y_train)
    loss.backward()
    optimizer.step()

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

扩展阅读