PyTorch 1.0 中文官方教程：torch.nn 到底是什么？

我就是我 2022-03-11 10:54 273阅读 0赞

> 译者：[lhc741][]

**作者**：Jeremy Howard，[fast.ai][]。感谢Rachel Thomas和Francisco Ingham的帮助和支持。

我们推荐使用notebook来运行这个教程，而不是脚本，点击[这里][Link 1]下载notebook(.ipynb)文件。

Pytorch提供了[torch.nn][]、[torch.optim][]、[Dataset][]和[DataLoader][]这些设计优雅的模块和类以帮助使用者创建和训练神经网络。  
为了最大化利用这些模块和类的功能，并使用它们做出适用于你所研究问题的模型，你需要真正理解他们是如何工作的。  
为了做到这一点，我们首先基于MNIST数据集训练一个没有任何特征的简单神经网络。  
最开始我们只会用到PyTorch中最基本的tensor功能，然后我们将会逐渐的从`torch.nn`，`torch.optim`，`Dataset`，`DataLoader`中选择一个特征加入到模型中，来展示新加入的特征会对模型产生什么样的效果，以及它是如何使模型变得更简洁或更灵活。

**在这个教程中，我们假设你已经安装好了PyTorch，并且已经熟悉了基本的tensor运算。**(如果你熟悉Numpy的数组运算，你将会发现这里用到的PyTorch tensor运算和numpy几乎是一样的)

# MNIST数据安装 #

我们将要使用经典的[MNIST][]数据集，这个数据集由手写数字（0到9）的黑白图片组成。

我们将使用[pathlib][]来处理文件路径的相关操作（python3中的一个标准库），使用[request][]来下载数据集。  
我们只会在用到相关库的时候进行引用，这样你就可以明确在每个操作中用到了哪些库。

from pathlib import Path
    import requests
    
    DATA_PATH = Path("data")
    PATH = DATA_PATH / "mnist"
    
    PATH.mkdir(parents=True, exist_ok=True)
    
    URL = "http://deeplearning.net/data/mnist/"
    FILENAME = "mnist.pkl.gz"

> [**阅读全文／改进本文**][Link 2]

[lhc741]: https://github.com/lhc741
[fast.ai]: https://www.fast.ai/
[Link 1]: https://pytorch.org/tutorials/beginner/nn_tutorial.html#sphx-glr-download-beginner-nn-tutorial-py
[torch.nn]: https://pytorch.org/docs/stable/nn.html
[torch.optim]: https://pytorch.org/docs/stable/optim.html
[Dataset]: https://pytorch.org/docs/stable/data.html?highlight=dataset#torch.utils.data.Dataset
[DataLoader]: https://pytorch.org/docs/stable/data.html?highlight=dataloader#torch.utils.data.DataLoader
[MNIST]: http://deeplearning.net/data/mnist/
[pathlib]: https://docs.python.org/3/library/pathlib.html
[request]: http://docs.python-requests.org/en/master/
[Link 2]: https://github.com/apachecn/pytorch-doc-zh/blob/master/docs/1.0/nn_tutorial.md