PyTorch入门：快速掌握深度学习框架

PyTorch 的定义

PyTorch 是一个开源的机器学习框架，基于 Torch 库开发，由 Facebook 的 AI 研究团队（现为 Meta AI）主导维护。它专为深度学习任务设计，支持动态计算图（Dynamic Computation Graph），提供灵活的张量计算和自动微分功能，广泛用于学术研究和工业应用。

PyTorch 的核心特性

动态计算图
PyTorch 使用动态计算图（称为“即时执行”模式），允许用户在运行时修改计算流程。这种特性便于调试和实现复杂的模型结构（如递归神经网络）。

张量计算与 GPU 加速
提供类似 NumPy 的多维张量（Tensor）操作，支持自动并行化计算和 GPU 加速。通过 CUDA 接口，可以高效利用 NVIDIA 显卡进行训练和推理。

自动微分（Autograd）
内置的 autograd 模块可自动计算梯度，简化反向传播的实现。用户只需定义前向传播，梯度会通过动态图自动追踪和计算。

丰富的生态系统

• TorchVision：支持计算机视觉任务（如数据集加载、预训练模型）。
• TorchText：处理自然语言处理（NLP）任务。
• TorchAudio：提供音频数据处理工具。

PyTorch 的基本用法示例

以下是一个简单的线性回归模型代码片段：

import torch
import torch.nn as nn

# 定义模型
model = nn.Linear(1, 1)  # 输入和输出维度均为1
criterion = nn.MSELoss()  # 损失函数
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)  # 优化器

# 模拟数据
x = torch.tensor([[1.0], [2.0], [3.0]])
y = torch.tensor([[2.0], [4.0], [6.0]])

# 训练循环
for epoch in range(100):
    optimizer.zero_grad()
    outputs = model(x)
    loss = criterion(outputs, y)
    loss.backward()
    optimizer.step()

PyTorch 与其他框架的对比

• TensorFlow：早期采用静态计算图（TensorFlow 2.x 已支持动态图），适合生产部署。
• JAX：提供函数式编程和自动微分，但生态规模较小。
• Keras：高层 API，通常作为 TensorFlow 的封装。

PyTorch 因其易用性和灵活性，成为学术界的主流选择，同时在工业界的应用也逐渐扩大。

学习基础知识

大多数机器学习工作流程都涉及处理数据、创建模型、优化模型参数和保存经过训练的模型。本教程向您介绍在 PyTorch 中实现的完整 ML 工作流，并提供链接以了解有关每个概念的更多信息。

我们将使用 Fashion MNIST 数据集来训练一个神经网络，该网络预测输入图像是否属于以下类别之一：T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或脚踝开机。

Fashion MNIST 简介

Fashion MNIST 是一个广泛使用的图像分类数据集，专为机器学习和计算机视觉任务设计。它包含 10 类时尚单品的灰度图像，每张图像分辨率为 28x28 像素，共 70,000 张（60,000 张训练集 + 10,000 张测试集）。该数据集常被用作经典 MNIST 数据集（手写数字）的替代品，因其更具挑战性且更贴近真实场景。

数据集类别

Fashion MNIST 包含以下 10 类时尚单品标签：

• T-shirt/top（T恤/上衣）
• Trouser（裤子）
• Pullover（套头衫）
• Dress（连衣裙）
• Coat（外套）
• Sandal（凉鞋）
• Shirt（衬衫）
• Sneaker（运动鞋）
• Bag（包）
• Ankle boot（短靴）

特点与用途

• 复杂度适中：比 MNIST 更具区分难度，适合测试模型鲁棒性。
• 轻量级：图像尺寸小，便于快速实验和原型开发。
• 通用基准：常用于验证卷积神经网络（CNN）等模型的性能。

数据加载示例（Python）

通过主流深度学习框架可直接加载数据集：

# 使用 TensorFlow 加载  
import tensorflow as tf  
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.fashion_mnist.load_data()  

# 使用 PyTorch 加载  
from torchvision import datasets  
data = datasets.FashionMNIST(root='./data', download=True)  

应用场景

• 图像分类任务入门
• 模型性能对比基准
• 数据增强（如旋转、缩放）的实验

Fashion MNIST 因其简单性和实用性，成为机器学习教育及研究中常用的工具之一。

Class 10 mnist 分类

本教程假定您基本熟悉 Python 和深度学习概念。

import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor

# Download training data from open datasets.

training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor(),
)

# Download test data from open datasets.
test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor(),
)

Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz to data/FashionMNIST/raw/train-images-idx3-ubyte.gz
Extracting data/FashionMNIST/raw/train-images-idx3-ubyte.gz to data/FashionMNIST/raw

Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz to data/FashionMNIST/raw/train-labels-idx1-ubyte.gz
Extracting data/FashionMNIST/raw/train-labels-idx1-ubyte.gz to data/FashionMNIST/raw

Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz to data/FashionMNIST/raw/t10k-images-idx3-ubyte.gz
Extracting data/FashionMNIST/raw/t10k-images-idx3-ubyte.gz to data/FashionMNIST/raw

Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz
Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz to data/FashionMNIST/raw/t10k-labels-idx1-ubyte.gz
Extracting data/FashionMNIST/raw/t10k-labels-idx1-ubyte.gz to data/FashionMNIST/raw