60分钟入门PyTorch,官方教程手把手教你训练第一个深度学习模型

机器之心报道

参与:张倩

近期的一份调查报告显示:PyTorch 已经力压 TensorFlow 成为各大顶会的主流深度学习框架。想发论文,不学 PyTorch 怎么行?那么,入门 PyTorch 深度学习需要多久?PyTorch 的一份官方教程表示:只需要 60 分钟。

教程链接:https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html

这是一份非常简洁的学习材料,目标是让学习者了解 PyTorch 的 Tensor 库和神经网络,以及如何训练一个可以进行图像分类的神经网络。

虽然是入门课程,但也有一定门槛:课程参与者要具备 Numpy 基础知识。

该教程共分为五节:

PyTorch 简介

Autograde:自动微分

神经网络

训练一个分类器

数据并行

本教程的五大板块。

第 1 节「PyTorch 简介」介绍了 PyTorch 的基本技术细节,如 Tensor、基本操作句法,还包括 Torch Tensor 与 Numpy 数组之间的转换、CUDA Tensor 等基础知识。

如果想进一步了解 PyTorch 的 Tensor 操作信息,还可以按文中给出的链接找到相应教程,包括数学运算、线性代数、随机数等。

第 2 节介绍了 PyTorch 中用于微分的包——Autograd。它是 PyTorch 神经网络的核心,为张量的所有操作提供了自动微分。为了更加直观地理解与之相关的术语,教程还给出了一些例子。

第 3 节介绍了训练一个神经网络的常见步骤,包括定义具有一些可学习参数的神经网络、遍历输入数据集、通过神经网络处理输入、计算损失、将梯度传播回网络参数、更新网络权重等。

在学会定义网络、计算损失、更新权重之后,第 4 节开始讲解如何训练一个分类器。教程使用了 CIFAR10 数据集,将训练步骤分为 5 步:

1. 载入 CIFAR10 并将其标准化;

2. 定义一个卷积神经网络;

3. 定义损失函数和优化器;

4. 训练网络;

5. 在测试集上测试网络

CIFAR10 数据集。

此外,这一节还讲解了如何在 GPU 上训练神经网络。

如果想进一步加速训练过程,还可以选修第 5 节——数据并行,学习如何在多个 GPU 上训练网络。

在这一教程中,每个小节都有 GoogleColab 链接,可以让学习者实时运行代码,获取实战经验。

如果想在本地运行文件,还可以下载 Notebook。

参考链接:

https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html

https://news.ycombinator.com/item?id=21240057

https://www.youtube.com/watch?v=u7x8RXwLKcA

机器之心「SOTA模型」:22大领域、127个任务,机器学习 SOTA 研究一网打尽。

PC 访问,体验更佳

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20191015A09P3W00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券