Task1--Pytorch基础和安装
学习先修要求:会使用Python编程;了解包括神经网络在内的机器学习算法;勤于动手实践;
自我认知:1、Python编程基本语法是会使用的–开发过简单脚本;
2、对于神经网络在内的机器学习算法–之前选修过这门课,但只是听过点理论介绍,没有代码实践过;
3、勤于动手实践—这点基本上还是满足的,主要担心会不会被阻塞住;
挑战---- 自己能不能坚持学下去并高质量地打完卡;原因:被问题阻塞住,但是自己没有那么多时间;
期待目标:掌握Pytorch的基本知识和内容,然后有自己亲自动手实践,通过项目实战,充分锻炼编程能力;
掌握Pytorch的进行深度学习的基本流程,提升解决实际问题的能力;
使用建议:一理解内容;二动手练习、实践、实践、实践;
后续可以在试试开源上GitHub进行做下贡献,这才是有意思的和团队协作的地方;
尝试分布式git团队协作开发做贡献----还没尝试过,try and demo;
教程的文件目录基本结构(后续可以自己模仿创建):
Pytorch目录下:docs、notebook、source、.gitignore、LICENCE、README.md、requirements.txt
1 Pytorch的安装和基础知识+前置知识(2天)
1.1 Pytorch是什么
Pytorch是由Facebook基于LUA开编写的Torch库的Python实现的深度学习库;;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。总结:简洁高雅且高效快速;
国内的PADDLE飞浆在这块生态应用做的也不错,也需要学习使用;
Conclusion:Pytorch本质上是提供了更近一步的砖而不是散土,但是要做什么大夏取决于你自己;
1.2 Pytorch优势
1、更加简洁,易于理解;设计理念:追求最少的封装,避免年change造轮子;
2、上手入门快:Numpy和基本深度学习框架理论;
3、文档齐全和社区活跃支持;
4、项目开源实现–基于Pytorch进行开发;
5、方便更好调试代码;快速定位bug;
6、扩展库越来越完善;
2 Pytorch安装
在安装PyTorch时,我们通常使用的是Anaconda/miniconda+Pytorch+ IDE 的流程。
2.1 借助Anaconda安装
背景(问题):数据科学和深度学习中需要用到大量成熟的package,一个个安装 package 很麻烦,而且很容易出现包之间的依赖不适配的问题。
出现解决:Anaconda/miniconda的集成了常用于科学分析(机器学习, 深度学习)的大量package,并且借助于conda我们可以实现对虚拟Python环境的管理。解决了上述问题;
纠结:是Linux下安装还是Windows下安装;
Linux下安装更匹配实际开发环境;windows下我有GPU;
Make choice:选择Linux下安装;
//TODO:
2.2 Pytorch查询资源
PyTorch的优质学习资源
Awesome-pytorch-list:目前已获12K Star,包含了NLP,CV,常见库,论文实现以及Pytorch的其他项目。
PyTorch官方文档:官方发布的文档,十分丰富。
Pytorch-handbook:GitHub上已经收获14.8K,pytorch手中书。
PyTorch官方社区:PyTorch拥有一个活跃的社区,在这里你可以和开发pytorch的人们进行交流。
PyTorch官方tutorials:官方编写的tutorials,可以结合colab边动手边学习
动手学深度学习:动手学深度学习是由李沐老师主讲的一门深度学习入门课,拥有成熟的书籍资源和课程资源,在B站,Youtube均有回放。
Awesome-PyTorch-Chinese:常见的中文优质PyTorch资源
除此之外,直接Google发现宝藏:还有很多学习pytorch的资源在b站,stackoverflow,知乎…未来大家还需要多多探索,我们希望大家可以在实战中不断学习,不断给予我们课程反馈。
补充:Linux下安装ANCONDA开发环境;