Pytorch官网神经网络Demo详细注释/解释

giser2016

已于 2024-03-02 20:32:53 修改

阅读量317

点赞数 2

分类专栏： Pytorch笔记文章标签： pytorch 神经网络人工智能

于 2024-03-02 17:42:06 首次发布

本文链接：https://blog.csdn.net/giser2016/article/details/136419059

版权

本文介绍了如何使用PyTorch2.2.1版本，结合cu121库，从下载数据、预处理、创建DataLoader到训练神经网络（包括模型定义、GPU使用、训练过程和测试评估）的完整步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、网站地址

Quickstart — PyTorch Tutorials 2.2.1+cu121 documentation

2、详细注释/解释

# 1>>>导入各自依赖包
# PyTorch 有两个函数可以处理数据：torch.utils.data.DataLoader 和 torch.utils.data.Dataset。
# Dataset 存储样本及其相应的标签；DataLoader 将Dataset封装成可迭代的对象。
import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor
# 2>>>下载训练和测试数据
# train set: 60000; test set:10000; 10 classes
training_data = datasets.FashionMNIST(
    root="data",  # 指定数据集的存储路径。
    train=True,  # 当设置为True时，表示加载训练集；设置为False时，表示加载测试集。
    download=True,  # 当设置为True时，如果数据集不存在于指定的root路径下，就会从互联网上下载数据集。
    transform = ToTensor()  # ToTensor()是将PIL Image或者NumPy ndarray转换为torch.FloatTensor，维度：(C x H x W), 标准化：[0.0, 1.0]
)
test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    # download=True,
    transform=ToTensor()
)

# 3>>>

最低0.47元/天解锁文章