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。 www.jiqizhixin.com/sota PC 访问，体验更佳 阅读原文