PyTorch 笔记（一）——PyTorch安装（含linux下安装）和概述

“莫道幽人一事无，闲中尽有静工夫。”        —— 吕岩《绝句》

---

有关PyTorch的几个网址

PyTorch官网

PyTorch中文手册

本次笔记主要基于PyTorch官网上的Tutorials提几点注意事项和心得。

---

PyTorch 安装

参照官网；

关于CUDA版本的确定：右键→NVIDIA控制面板→“帮助”里的“系统信息”→“组件”→“NVCUDA”

win+R下cmd→pip3→安装命令

linux下安装

1. torch安装

另外，linux安装可能因为网速限制等原因出现Read time out错误，此时可以使用如下命令提升timeout时间：

pip --default-timeout=6000 install torch torchvision
#--default-timeout=6000

2. 下载和更新CUDA可以在NVIDIA官网根据系统配置选择相应的下载版本和命令

系统：ubuntu 18.04

安装方式：cluster

网速有限，且经常无法响应，所以难以在终端中直接安装，可以选择在浏览器中先下载安装包，采用cluster方式安装；

按照官网指令解压，然后阅读readme文件；

主要是按照其中顺序安装各包（直接点击解压后的文件夹中文件，按照readme中顺序依次安装）；

最后在readme下打开终端，输入readme最后一行命令（<pkg>/可以删去），程序回应“OK”

重启电脑后在终端中检查是否安装成功：

$ python3
>>> import torch
>>> torch.cuda.is_available()
# True

---

DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ

WHAT IS PYTORCH?

张量

PyTorch针对张量进行操作，首先需要创建张量（张量可以理解为多维度的矩阵，是矩阵的拓展）；

import torch

创建张量

命令
torch.empty(dim)      torch.zeros(dim)	全零张量
torch.rand(dim)	[0,1]平均分布
torch.tensor(tensor)	直接创建
torch_x.size()	获取张量形状

张量操作

加减乘除同python；也可以利用自带的torch.add(x,y)等函数实现；

注意函数方法后带有下划线_ 的操作，考虑计算是否已经替换原变量；

reshape操作：  e.g. tensor_x.view(-1,8)

张量tensor同numpy的转换

a.numpy()

torch.from_numpy(b)

可以像numpy和matlab里面那样用索引引用tensor中的元素；

需要注意的是tensor_a对应的numpy_b在torch自带操作函数下，改变tensor_a的值，numpy_b的值也会改变；

而使用一般的python操作符，则不会出现这种情况；

a = torch.ones(5)
b = a.numpy()

#See how the numpy array changed in value.
a.add_(1)
print(a)
print(b)
#Out:
#tensor([2., 2., 2., 2., 2.])
#[2. 2. 2. 2. 2.]

#Converting NumPy Array to Torch Tensor
#See how changing the np array changed the Torch Tensor automatically

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)
#Out:
#[2. 2. 2. 2. 2.]
#tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

将tensor移至GPU

.to(device)方法