MNIST
 モデル保存
 モデル化
 テンソル化
 データセット
 バージョン

 機能・要件 
 構成・方式
 ライブラリ
 導入
 sample

 MNIST データの学習
 ・ディープラーニング

 モデルの保存
 ・GPUで学習
 ・GPU保存
model_path = 'model.pth'
torch.save(model.state_dict(), model_path)
 ・GPUで読み込む
model_path = 'model.pth'
model.load_state_dict(torch.load(model_path))
 ・CPU保存
model_path = 'model.pth'
torch.save(model.to('cpu').state_dict(), model_path)
 ・CPUマシンでGPUモデルを読み込む
model_path = 'model.pth'
model.load_state_dict(torch.load(model_path, map_location=torch.device('cpu')))

 モデル化 (モデル設計)
 ・torch.nn.Moduleクラスのサブクラス化
NeuralNetwork (ニューラルネットワークsample

 テンソル化
 ・データセットをテンソル化する前処理を transforms で記述
transform = transforms.Compose([transforms.ToTensor()])
 ・テンソル化されるかを確認 (sample
 ・テンソルの操作など

 自作データセットを使う
 ・transforms/Dataset/DataLoader を定義する。
 ・親クラス torch.utils.data.Dataset を継承して子クラス定義する。
MyDataset (sample

 バージョン確認
python(x)
>>> import torch
>>> print(torch.__version__)
1.12.1
1.x.1+cpu (GPU無しの場合)