【AI】PyTorch入门（二）：训练与预测

AI学习目录汇总

1、AI训练、预测步骤

采集数据
标注数据
加载数据
预处理数据
创建模型
训练——优化模型参数
保存模型及参数
加载模型及参数
预测

2、采集数据

以图像处理为例，获取需要的图像数据，将它们缩放成需要的分辨率，分辨率大小和所创建的模型有关。

3、标注数据

在有监督的机器学习中，一般会对图片做以下处理：

如果是检测，需要标记检测物在图片中的坐标、大小；
如果是分类，将不同类别的图片放入不同的文件夹中。

4、加载数据

PyTorch 提供特定领域的库，例如：处理文本数据处理库TorchText、 图像数据处理库TorchVision和音频波形处理库TorchAudio。所有这些库都包含数据集，例如TorchVision中的datasets可以下载 CIFAR、COCO、FashionMNIST 等数据集。

我们以FashionMNIST为例。
Fashion-MNIST：替代MNIST手写数字集的图像数据集，该数据集由衣服、鞋子等服饰组成，包含70000张图像，其中60000张训练图像加10000张测试图像，图像大小为28x28，单通道，共分10个类，如下图