来自我 YouTube 频道的 PyTorch 初学者教程。

观看播放列表

1. 安装
2. 张量基础
3. 自动求导
4. 反向传播
5. 使用自动求导和反向传播的梯度下降
6. 训练流程：模型、损失函数和优化器
7. 线性回归
8. 逻辑回归
9. 数据集与数据加载器
10. 数据集变换
11. Softmax 与交叉熵
12. 激活函数
13. 前馈神经网络
14. 卷积神经网络 (CNN)
15. 迁移学习
16. TensorBoard
17. 保存和加载模型

PyTorch 新手教程快速上手指南

本指南基于 Aladdin Persson 的 PyTorch 入门系列教程整理，旨在帮助中国开发者快速搭建环境并掌握核心概念。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.8 - 3.10
• 前置依赖：
  • pip (Python 包管理工具)
  • conda (可选，推荐使用 Anaconda 或 Miniconda 进行环境隔离)
  • NVIDIA GPU 及驱动 (可选，用于加速训练，若仅学习基础可跳过)

提示：国内用户建议配置清华源或阿里源以加速包下载。

安装步骤

方案一：使用 pip 安装（推荐国内镜像）

直接使用清华大学开源软件镜像站安装 PyTorch CPU 版本（适合初学者）：

pip install torch torchvision torchaudio --index-url https://pypi.tuna.tsinghua.edu.cn/simple

若需安装支持 CUDA 的版本（请根据实际显卡驱动版本选择对应的 CUDA 版本，此处以 CUDA 11.8 为例）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

方案二：使用 Conda 安装

如果您使用 Conda 管理环境，可以使用以下命令创建并激活环境：

conda create -n pytorch_tutorial python=3.9
conda activate pytorch_tutorial
conda install pytorch torchvision torchaudio cpuonly -c pytorch

注：国内网络访问官方源较慢时，可配置 conda 使用清华源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

基本使用

安装完成后，您可以通过以下最简单的示例验证环境并理解张量（Tensor）的基本操作，这对应教程中的 "Tensor Basics" 章节。

创建一个 Python 文件（例如 hello_pytorch.py）并运行：

import torch

# 1. 创建一个未初始化的 2x3 张量
x = torch.empty(2, 3)
print("Empty Tensor:\n", x)

# 2. 创建一个随机初始化的张量
y = torch.rand(2, 3)
print("Random Tensor:\n", y)

# 3. 创建一个全零张量
z = torch.zeros(2, 3)
print("Zeros Tensor:\n", z)

# 4. 基本运算：加法
result = torch.add(y, z)
# 或者使用原地操作
y.add_(z) 
print("Addition Result:\n", result)

# 5. 检查是否可用 GPU
if torch.cuda.is_available():
    device = torch.device("cuda")
    print("Running on GPU:", device)
    # 将张量移动到 GPU
    y_gpu = y.to(device)
else:
    print("Running on CPU")

运行上述代码后，若无报错且输出了相应的张量数据，说明环境配置成功。接下来您可以按照教程目录顺序，依次学习 Autograd（自动求导）、Backpropagation（反向传播）以及构建完整的 Training Pipeline。