PyTorch在Microsft windows 11下的使用

运行平台：Microsoft windows 11

IDE：VScode

框架：PyTorch

一：PyTorch在Microsoft windows 11下的安装

PyTorch是由FaceBook开源的一个深度学习框架。以下是它在个人电脑上的安装图片。

二：PyTorch在Microsoft Windows 11 下用 VScode编程

可以用AI编程工具自动生成一段应用PyTorch的代码，或者ChatGPT也行。将代码放入VScode进行调试。

#AI辅助编程 pytorch
import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms

# 超参数
batch_size = 64
learning_rate = 0.001
num_epochs = 5

# 数据预处理
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

# 下载 MNIST 数据集
train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True)

# 定义神经网络
class SimpleNN(nn.Module):
    def __init__(self):
        super(SimpleNN, self).__init__()
        self.fc1 = nn.Linear(28 * 28, 128)
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = x.view(-1, 28 * 28)  # 展平
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# 实例化模型、损失函数和优化器
model = SimpleNN()
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=learning_rate)

# 训练模型
for epoch in range(num_epochs):
    for images, labels in train_loader:
        optimizer.zero_grad()  # 清零梯度
        outputs = model(images)  # 前向传播
        loss = criterion(outputs, labels)  # 计算损失
        loss.backward()  # 反向传播
        optimizer.step()  # 更新参数

    print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {loss.item():.4f}')

print("训练完成！")

运行结果图片如下图：

以上内容仅供参考，如有不对，欢迎指正。