PyTorch 初级教程：构建你的第一个神经网络

AAI机器之心

已于 2024-05-05 11:21:54 修改

阅读量1k

点赞数 29

文章标签： pytorch 神经网络人工智能 YOLO 深度学习机器学习 opencv

于 2024-02-05 07:30:00 首次发布

本文链接：https://blog.csdn.net/AAI666666/article/details/135910805

版权

本文介绍了如何在PyTorch中安装、理解和使用基础概念如Tensor，以及构建简单的神经网络，包括定义网络结构、数据处理和基本操作。

摘要由CSDN通过智能技术生成

PyTorch 是一个在研究领域广泛使用的深度学习框架，提供了大量的灵活性和效率。本文将向你介绍如何使用 PyTorch 构建你的第一个神经网络。

一、安装 PyTorch

首先，我们需要安装 PyTorch。PyTorch 的安装过程很简单，你可以根据你的环境（操作系统，Python 版本，是否使用 GPU 等）在 PyTorch 的官方网站生成相应的安装命令。以下是一种常见的安装命令：

shell
复制代码
pip install torch torchvision

二、Tensor

在 PyTorch 中，基本的数据结构是 Tensor（张量）。Tensor 和 NumPy 的数组很相似，但它还可以在 GPU 上运行以加速计算。以下是创建 Tensor 的一些方法：

python
复制代码
import torch

# 创建一个未初始化的 5x3 矩阵
x = torch.empty(5, 3)
print(x)

# 创建一个随机初始化的 5x3 矩阵
x = torch.rand(5, 3)
print(x)

# 创建一个全部为 0，数据类型为 long 的矩阵
x = torch.zeros(5, 3, dtype=torch.long)
print(x)

# 创建 tensor 并直接使用数据初始化
x = torch.tensor([5.5, 3])
print(x)

三、神经网络

在 PyTorch 中，我们使用 torch.nn 包来构建神经网络。nn 依赖于 autograd 来定义和计算梯度。nn.Module 包含神经网络的层，以及返回 output 的 forward(input) 方法。

让我们定义一个简单的前馈神经网络：

python
复制代码
import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()
        # 输入图像为单通道，输出通道为 6，3x3 正方形卷积核
        self.conv1 = nn.Conv2d(1, 6, 3)
        self.conv2 = nn.Conv2d(6, 16, 3)
        # an affine operation: y = Wx + b
        self.fc1 = nn.Linear(16 * 6 * 6, 120)  # 6*6 是图像维度
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        # 在 2x2 窗口上进行最大池化
        x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
        # 如果是方阵，只需要指定一个数字
        x = F.max_pool2d(F.relu(self.conv2(x)), 2)
        x = x.view(-1, self.num_flat_features(x))
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

    def num_flat_features(self, x):
        size = x.size()[1:]  # 所有维度除了批量维度
        num_features = 1
        for s in size:
            num_features *= s
        return num_features

net = Net()
print(net)

你刚刚定义了一个前馈函数，在它里面（以及只在它里面）我们使用了 Tensor 的任意操作。backward 函数（在这里是 autograd）将会自动定义，你可以在 forward 函数中使用任何针对 Tensor 的操作。

通过以上的简单介绍，我们相信你已经对如何在 PyTorch 中构建神经网络有了一个基本的理解。在后续的文章中，我们将深入讨论如何训练神经网络，以及如何使用数据加载器，等等。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

在这里插入图片描述