PyTorch生成式人工智能（5）-分类任务是什么-核心内容和注意点的重点在于把前置条件、操作顺序和容易误判的地方分清楚。

PyTorch生成式人工智能（5）——分类任务详解

0. 前言 1. 使用 PyTorch 进行端到端的深度学习1.1 PyTorch 深度神经网络训练流程 1.2 数据预处理2. 二分类2.1 创建数据批次 2.2 模型构建与训练 2.3 模型测试3. 多类别分类3.1 验证集和提前停止 3.2 模型构建与训练小结 系列链接

0. 前言实际怎么用

从操作角度看，按PyTorch生成式人工智能（5）——分类任务详解、0. 前言、1. 使用 PyTorch 完成端到端的深度学习等重点拆开说明，方便直接对照使用。PyTorch生成式人工智能（5）-分类任务是什么-核心内容和注意点不能只看功能名称，更要看它在什么场景下能解决问题。

换到实际使用里，具体而言，我们将构建一个完整的端到端深度学习项目，使用 PyTorch 将灰度图像的服装物品分类为不同类别，包括外套、包、运动鞋、衬衫等。在本节中，将学习如何使用 PyTorch 创建深度神经网络来执行二分类和多类别分类任务，以便熟练掌握深度学习和分类任务。目的是创建可以执行二分类和多类别分类任务的深度神经网络，为后续学习奠定基础。

1. 使用 PyTorch 进行端到端的深度学习

在本节中，我们首先介绍深度学习模型训练流程，然后讨论如何获取训练数据以及如何完成数据预处理。

1.1 PyTorch 深度神经网络训练流程

在本节中，我们的任务是创建并训练一个深度神经网络，用于对服装物品的灰度图像完成分类，模型构建与训练步骤如下图所示。