本教程以實際應用、工程開發(fā)為目的，著重介紹模型訓練過程中遇到的實際問題和方法。如上圖所示，在機器學習模型開發(fā)中，主要涉及三大部分，分別是數(shù)據(jù)、模型和損失函數(shù)及優(yōu)化器。本文也按順序的依次介紹數(shù)據(jù)、模型和損失函數(shù)及優(yōu)化器，從而給大家?guī)砬逦臋C器學習結構。

本教程內容主要為在 PyTorch 中訓練一個模型所可能涉及到的方法及函數(shù)，并且對 PyTorch 提供的數(shù)據(jù)增強方法（22 個）、權值初始化方法（10 個）、損失函數(shù)（17 個）、優(yōu)化器（6 個）及 tensorboardX 的方法（13 個）進行了詳細介紹。

本教程分為四章，結構與機器學習三大部分一致：

第一章，介紹數(shù)據(jù)的劃分，預處理，數(shù)據(jù)增強；

第二章，介紹模型的定義，權值初始化，模型 Finetune；

第三章，介紹各種損失函數(shù)及優(yōu)化器；

第四章，介紹可視化工具，用于監(jiān)控數(shù)據(jù)、模型權及損失函數(shù)的變化。