PyTorch学习笔记（一）深度学习框架简介、开发环境准备

课程Github资源来源于：https://github.com/dragen1860/Deep-Learning-with-PyTorch-Tutorials

PyTorch同类框架

PyTorch、TensorFlow主要区别：动态图优先还是静态图优先。
静态图： 定义公式–喂输入–得到输出。

PyTorch生态

自然语言：含有NLP、AllenNLP包。
视觉：含有TorchVision包。
图网络：含有PyTorch geometric、Fast.ai包。
快速部署：ONNX。

PyTorch可以做什么？

1. GPU加速
   print(torch.cuda.is_available())
   device = torch.device(‘cuda’)
2. 自动求导 提供autograd.grad()函数自动求导.
3. 提供常用的网络层：nn.Linear、nn.Conv2d、nn.LSTM 、nn.ReLU、nn.Sigmoid、nn.Softmax、nn.CrossEntropyLoss 、nn.MSE。堆叠神经网络结构

安装开发环境

• Python3.7 + Anaconda 5.3.1（第三方包管理工具）
• CUDA 10.0（NVIDIA显卡驱动）
• PyCharm Community（PythonIDE）

1. 安装Anaconda，自带Python3.7。检验是否安装成功：cmd中输入：conda list； conda --version
2. 安装CUDA，只能运行在NVIDIA显卡上，确保有NVIDIA显卡960、970、1050、1070。在Google中搜索：CUDA download，下载并安装。检验是否安装成功：默认安装列表在C盘>Program Files>NVIDIA GPU…>CUDA>v10.0>bin(有nvcc编译程序，是编译器，证明安装好了。) 在cmd中输入：nvcc -V出现版本号，则安装正确。若出现未找到，则说明环境变量没有配好：我的电脑 右键>属性>高级系统设置>环境变量>下面系统变量找到Path，右键编辑>确认有上述“C盘>Program Files>NVIDIA GPU…>CUDA>v10.0>bin”的路径。
3. PyTorch安装。添加国内源–选择安装命令-显示源地址。PyTorch安装指令见：https://github.com/dragen1860/Deep-Learning-with-PyTorch-Tutorials的README.md。cmd验证：ipython,import torch,torch.cuda.is_available()返回True则可以在GPU上使用。
4. 安装PyCharm。安装Community版本。创建Project：Create Project> 编译器选择：anaconda版本的编译器conda，选择conda下面python.exe。创建File：右键>如果import torch成功，且print(torch.__version__) print('gpu:', torch.cuda.is_available())显示，则成功。