DataWhale——《深入浅出Pytorch》1
一、Pytorch的introduction
PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库,目前被广泛应用于学术界和工业界,而随着Caffe2项目并入Pytorch, Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。总的来说,PyTorch是当前难得的简洁优雅且高效快速的框架。因此本课程我们选择了PyTorch来进行开源学习。
二、Pytorch与Tensorflow的对比
- 更加简洁
- 上手快
- 良好的文档和社区支持
- 更好的调试代码
PyTorch是一个动态的框架,而TensorFlow是一个静态的框架。使用TensorFlow时,必须先搭建好网络的结构,然后使用预先留出的几个占位符作为样本输入和label输入,这就像是通过开了几个洞的木板进行交互,中途无法对计算的流程进行更改。
TensorFlow必须运行会话才能得到运行的结果,而且网络必须努力构造以确保每个张量具有正确的维度
三、Pytorch安装教程
- 1、检查自己的电脑是否具有可支持深度学习的显卡(NVIDIA)
- 2、查看自己的电脑是否完成了CUDA与CUDNN安装成功
以笔者的电脑为例子
从图中的系统信息可以看出其支持的CUDA的版本是11.1,因此需要前往英伟达官网,下载好对应的CUDAToolkit以及通过一些操作,能够登录到英伟达的官网,去下载关于CUDA的CUDNN的工具,在下载的时候,最好选择local而不要选择net的
最终安装成功的样子是这样的
- 3、安装pytorch
如果使用者的电脑没有GPU的话,可以在命令行下直接输入命令
pip install pytorch -i https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
如果使用者的电脑有GPU的话,可以通过pip的命令或者通过pytorch的wheel文件进行下载
这里有一点要注意的,比如说需要下载torchvision的时候,需要先下载后torchvision,并成功安装后