PyTorch学习笔记(一)深度学习框架简介、开发环境准备

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。
在这里插入图片描述

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 listconda --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。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Laura_Wangzx

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值