本教程详细介绍了如何使用PyTorch进行机器学习工作流程，包括数据预处理、模型创建、训练、优化和保存。通过MNIST数据集训练神经网络，适合已有Python基础和深度学习概念了解的读者。提供了云端和本地两种方式运行代码，并提供了快速入门和张量等基础知识讲解。
网站链接：https://pytorch.org/tutorials/
本节链接：https://pytorch.org/tutorials/beginner/basics/intro.html
注：仅供个人学习使用。
基础学习
大部分机器学习工作流程包括数据预处理，创建模型、调优参数、训练模型、保存模型。本教程教你用PyTorch实现一个完整的机器学习工作流程，同时更深入的理解以上每一个概念。
我们用MNIST数据集训练一个人工神经网络，然后识别输入图像。
本教程需要熟悉基本的Python编程语言和深度学习概念。
运行代码
你可以用两种方式运行教程代码
1） 云端：这种方法比较简单！每个章节在顶部有一个“Run in Microsoft Learn”链接，可以在Microsoft Learn上打开一个集成的notebook，在完全托管的环境中运行代码。
2） 本地：这种方法需要在你的机器上安装PyTorch和TorchVision（具体安装步骤见上节）。下载notebook或者复制代码在你喜欢的IDE中运行。
如何使用本教程
如果你熟悉其它深度学习框架，可以先看看0. Quickstart 以便于快速熟悉PyTorch的API。
如果你不了解深度学习框架，需要一步一步跟着教程学习，首先可以看看这一节：1. 张量
- 快速入门
- 张量
- 数据集和数据加载
- 变形
- 创建模型
- 自动微分
- 循环优化
- 保存、加载和使用模型
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
