目录
前言
最近开始入水人工智能深度学习这方面了,浅浅记录一下学习的过程,本节主要记录的是pytorch的查询函数dir和帮助函数help函数的应用,以及pycharm的三种编程方式。
一、dir()函数
dir()函数是pytorch中常用的查询工具,它可以查找到我们想要使用的函数,下面我们以torch.cuda.is_available()函数为例进行使用方法的介绍
使用方法如下,首先打开pycharm中的python console,这里python coniisole的功能和conda那个命令窗口的功能差不多
之后输入以下指令
import torch #引入pytorch库
dir(torch) #查询库中的函数
之后就会打开torch里的命令表,如下图
可以发现函数库还挺多的呢,那么如何找到我们需要的呢?
按下ctrl+f按键进行搜索cuda,就能找到与cuda相关的库
但是我们还是没有找到is_available()函数,这是因为还没到函数呢,需要打开cuda这个库进行进一步查看,打开方法和打开torch相同
dir(torch.cuda)
接下来就该找我们的主角了,找之前补充一点,如果遇到__XXX__这样的形式,如下图所示,这就说明这就不是一个库了,已经到了最底层“函数”了。
使用搜索功能,定位到torch.cuda.is_available()
这里我们就用dir()函数找到了我们的主角,但是本人是个小白,还不太清楚dir()函数有什么用处,感觉就是查找torch里有没有这个函数,别的也不知道有什么用了,知道的大佬可以解读一下。
我们找到这个函数以后怎么知道这个函数是干什么的呢?
这就需要用到我们的另一个函数了help(),输入以下代码
help(torch.cuda.available)
输出显示如下
可以看到 torch.cuda.is_available()函数的返回值为一个bool类型,用处是显示CUDA是否存在在此环境中,使用起来还是很方便的。
二、pycharm的编译环境
首先先创建一个新的工程文件
在工程中创建python文件
填写文件名即可
1.python文件
直接在文本框内进行代码编写,以打印hello world开始
print("hello world")
然后进行编译环境的配置
编译环境就找已经配置好的pytorch环境就好,之后运行即可,结果如下
2.python console执行
相同的代码,但是这是在python console环境下执行的,python console的打开和上边的一样,这里就不在进行介绍了
3.python jupyter执行
在pycharm创建的project中打开命令窗口
进入之前创建的虚拟环境里,输入以下代码
jupyter notebook
会进入以下界面
创建新的编译环境
编写代码和运行结果
这里需要注意一下,要是第一次使用jupyter的话可能是没有办法打开的,我们需要装一个新包,在cmd中敲下以下代码
conda install jupyter
conda install nb_conda
安装以上的package就可以了
总结
浅浅分析一下这三种编程方法吧,第一种编程方式一般较大的项目都在使用,比较直观,但是一旦出现错误后,修改完错误以后程序便需要从头开始运行,比较花费时间吧。
第二种的话他是一段一段执行的,你敲一行代码,就可以让他执行一次,遇到错误后可以就上一行进行修改,再次运行也是从那一行开始,不会从头开始,比较省事,但是代码不美观。
第三种和第二种差不多,个人感觉(doge)