PyTorch
该系列笔记主要参考了小土堆的视频教程,传送门:P1. PyTorch环境的配置及安装(Configuration and Installation of PyTorch)【PyTorch教程】_哔哩哔哩_bilibili
涉及到的文件/数据集网盘:
链接:https://pan.baidu.com/s/1aZmXokdpbA97qQ2kHvx_JQ?pwd=1023
提取码:1023
PyTorch 是一个开源的机器学习库,主要用 Python 编写,基于 Torch 库。它由 Facebook 的人工智能研究团队开发,提供用于构建和训练深度学习模型的强大工具。PyTorch 的设计强调灵活性和直观性,使得研究人员和开发者能够快速地测试新想法并进行实验。
PyTorch 最显著的特点之一是其动态计算图。这意味着计算图是在运行时根据代码执行情况动态生成的,这对比于静态计算图(如TensorFlow早期版本中的那样),为研究人员提供了更大的灵活性,便于调试和快速迭代模型。
PyTorch 提供了以下关键功能:
- 张量(Tensors):类似于 NumPy 数组,但可以在 GPU 上运行,支持自动微分,是构建深度学习模型的基础。后面我会创建具体的例子带你看Tensor类型数据和普通类型数据有什么不同。
- 自动微分(Automatic Differentiation):通过
.backward()
函数自动计算梯度,极大简化了训练过程。 - 深度神经网络构建模块(DNN building blocks):包括各种预先定义好的层、激活函数和优化器,可快速搭建神经网络。
- 数据加载器(Data Loaders):高效的数据处理和加载工具,支持大型数据集的并行加载。
- 分布式训练(Distributed Training):支持多GPU和多节点训练,便于扩展到大规模计算环境。
- C++ 前端(Frontend):除了Python前端外,PyTorch还提供了C++接口,以适应更多应用场景的需求。
由于其易用性和强大的功能,PyTorch 已成为机器学习和深度学习领域中非常流行和广泛使用的框架之一,尤其是在研究领域。
创建虚拟环境并安装pytorch
pytorch官网:PyTorch,点击get start
然后选择合适的版本,在虚拟环境中使用pip命令/conda命令都可以进行下载。
我选择安装版本:python3.8、pytorch2.3、CUDA12.1
网络安装:在官网选择需要的版本之后,可以选择conda或pip方式进行安装,在虚拟环境中运行即可,安装后使用conda list
查看当前环境中的python包,看看是否有对应的torch包
本地安装:将下载好的安装包放到Anaconda3/pkgs下面,然后在虚拟环境中使用conda install –use-local 包名
进行安装
检验当前torch是否能成功调用GPU:
import torch
torch.cuda.is_available()
输出True即为成功,如果使用的不是英伟达显卡,则出现False。