PyTorch 模型训练实用教程(附代码及原文下载)

自2017年1月PyTorch推出以来，其热度持续上升，一度有赶超TensorFlow的趋势。PyTorch能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点，如采用Python语言、动态图机制、网络构建灵活以及拥有强大的社群等。因此，走上学习PyTorch的道路已刻不容缓。本教程以实际应用、工程开发为目的，着重介绍模型训练过程中遇到的实际问题和方法。如上图所示，在机器学习模型开发中，主要涉及三大部分，分别是数据、模型和损失函数及优化器。本文也按顺序的依次介绍数据、模型和损失函数及优化器，从而给大家带来清晰的机器学习结构。