qiuzitao深度学习之PyTorch实战（一）

史上最简单、实际、通俗易懂的PyTorch实战系列教程！（新手友好、小白请进、建议收藏）

PyTorch简介与安装

实战采用window10系统 + Python3.x（Anaconda3）+ PyTorch1.3

1、PyTorch简介

2015年底之前，UC Berkeley的Caffe是老大哥；

谷歌大脑的Tensorflow诞生之后，霸占江湖数载；

2019年起无论从学术界还是工程界，Facebook的PyTorch已经霸占了半壁江山！Pytorch可以说是现阶段主流的深度学习框架了。

PyTorch是一个基于Python的可续计算包，提供两个高级功能：

1、具有强大的GPU加速的张量计算（如NumPy）。

2、包含自动求导系统的的深度神经网络。

PyTorch的特点：

① 可以在 GPU/CPU 之上运行，提供基础的张量操作库；

② 支持共享内存的多进程并发；

③ 使用简单、灵活，能使用广大的 Python 库和软件；如 NumPy、SciPy 和 Cython等，可以说类似使用numpy的GPU版本。

④ PyTorch不是Python绑定到monolothic（庞大而僵化的） C++的框架。它被构建为深入集成到Python中。可以像使用numpy /scipy /scikit-learn等自然地使用它。我们的目标是在适当的时候不要重新发明轮子。

PyTorch的常用工具包：

• torch ：类似 NumPy 的张量库，强 GPU 支持 ；

• torch.autograd ：基于 tape 的自动区别库，支持 torch 之中的所有可区分张量（Tensor）运行。

• torch.nn ：为最大化灵活性未涉及、与 autograd 深度整合的神经网络库；为了实现最大的灵活性。

• torch.optim：与 torch.nn 一起使用的优化包，包含 SGD、RMSProp、LBFGS、Adam 等标准优化方式。

• torch.multiprocessing： python多进程并发，进程之间 torch Tensors 的内存共享；适用于数据加载和hogwild训练。

• torch.utils：数据载入器。具有训练器和其他便利功能； 为DataLoader，Trainer和其他实用程序功能提供便捷的辅助包。

• torch.legacy(.nn/.optim) ：处于向后兼容性考虑，从 Torch 移植来的 legacy 代码。

PyTorch的中文文档：https://pytorch-cn.readthedocs.io/zh/latest/

2、Pytorch安装

我是在Anaconda3的基础上安装的，当然你也可以用其他方式，不过你安装anaconda后里面有很多包已经有了就不用再去下载依赖包什么的，更加简便。

CPU版本安装：

pip install torch==1.3.0+cpu torchvision==0.4.1+cpu -f https://download.pytorch.org/whl/torch_stable.html

GPU版本安装：

pip install torch===1.3.0 torchvision===0.4.1 -f https://download.pytorch.org/whl/torch_stable #（默认是CUDA10版本）

如果下载速度慢可以自己换到国内源下载，GPU的话电脑要支持，支持的话可以看看电脑有没有安装CUDA。详细的安装教程网上也有很多，可以查看自己出错的原因。

安装完成后，打开Python输入：

import torch
torch.__version__

如果有得到版本号1.3.0类似的就说明成功安装！