Pytorch深度学习与入门实战

Pytorch简介

Pytorch是一个能在CPU和GPU上运行并解决各类深度学习问题的深度学习框架。可以将其看做是支持GPU计算和自动微分计算的Numpy库。
在PyTorch诞生之前，像caffe和torch这样的深度学习库是很受欢迎的深度学习库。随着深度学习快速发展，开发人员和研究人员希望有一个高效、易于使用的框架，并且以Python编程语言构建、训练和评估神经网络。

PyTorch是一个灵活容易学习python库，在学术和研究领域PyTorch是最受欢迎的深度学习库。
PyTorch是Tensorflow最强有力的竞争对手。
PyTorch框架的产生受到Torch和Chainer这两个框架的启发。
与Torch使用Lua语言相比，PyTOrch是一个python优先的框架，我们可以继承PyTorch类然后自定义。
与Chainer类型，PyTorch框架具有自动求导的动态图功能，也就是所谓define by run,即当python解释器运行到相应的行时，才创建计算图。

Pytorch特点

• 易于使用的API——它就像python一样简单。
• python的支持——PyTorch可以顺利地与python数据科学集成。它非常类似于Numpy.
• 动态计算图——取代了具有特定优势的静态图，pytorch为我们提供了一个框架，以便可以在运行时构建计算图，甚至在运行时更改它们。
• 部署简单——pytorch提供了可用于大规模部署Pytorch模型的工具torchserve.TorchServe是pytorch开源项目的一部分，是一个易于使用的工具，用于大规模部署Pytorch模型。
• 支持分布式训练——pytorch可实现研究和生产中的分布式训练和性能优化。
• 支持移动端——Pytorch支持从python到IOS和安卓系统部署的端到端工作流程。
• 强大的生态系统——pytorch具有丰富的工具和库等生态系统，为计算机视觉、NLP等方面的开发提供便利。
• 内置开放神经网络交换协议（ONNX）——可以很方便与其他深度学习框架互操作。

PyTorch安装环境要求

PyTorch兼容的Python版本

windows上的Pytorch仅支持python 3.7-3.9,不支持python 2.x

搭建开发环境

推荐使用Miniconda搭建python环境
Miniconda是最小的conda安装环境，它提供了：
1.Conda包管理工具
2.python

下载Miniconda![下载miniconda](https://img-blog.csdnimg.cn/adace1a2f7ae476aa883b53203477c92.pn

GPU版本的python可以利用NVIDIA GPU强大的计算加速能力，使Python的运行更为高效，尤其是可以成倍提升模型训练的速度。

Pytorch官网地址

https://pytorch.org/get-started/locally/
快速下载CPU版本torch的网址：pip3 install torch torchvision torchaudio -i https://pypi.doubanio.com/simple

GPU版本安装

CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
为了使用CUDA，需要安装cudatolkit,在这里我们与pytorch一并都使用conda安装。

检查显卡驱动

GPU版本安装
这样网站会给出我们具体的安装命令，我们在anaconda prompt(miniconda3)命令行中参考网站给出的安装命令执行安装即可。

依赖库安装

<