pytorch入门(一)简介pytorch
在读《 Programing PyTorch for Deep Learning》 提取码:pypt时做的一些笔记。
什么是pytorch
pytorch时facebook提供的一个基于python的深度学习开源框架。其有两个来源,其一是Torch,Torch最早是基于2002年的一个基于Lua的神经网络库。另一个来源是2015年日本创建的Chainer。Chainer是最早提供动态图计算的神经网络库之一。
TensorFlow和PyTorch
(这本书是19年的,应该会有一些不同,如有不同望留言指出,感谢)
在使用TensorFlow时,先建立神经网络结构的图形表示然后再在该图形上执行操作。TensorFlow使用静态图(2.0版本之前)。
在TensorFlow2.0版本之后添加了 eager execution,使得其工作原理和PyTorch相似。
Keras
Keras最初支持TeaNo和TensorFlow现在还支持MXNet。其目前为TensorFlow的一个单独部分(tf.keras)。
书中惯例
-
斜体:术语、UTL、电子邮件地址、文件名和文件扩展名。
-
等宽:用于程序列表,以及在段落中引用程序元素,如变量或函数名、数据库、数据类型、环境变量、语句和关键字。
-
等宽加粗:显示用户应按字面意思键入的命令或其他文本。
-
等宽斜体:显示应替换为用户提供的值或由上下文确定的值的文本。
补充材料
(包括代码示例和练习)可在以下网址下载:https://github.com/falloutdurham/beginners-pytorch-deep-learning。
第一章-Getting Started with PyTorch
书中建议使用云资源(如果没有相应资源不要配置):Amazon Web Services, Google Cloud, or Microsoft Azure。
硬件
GPU
深度学习box的核心,(书中说到由于挖矿gpu涨价、然后这种情况似乎在消退(其实没有))。书中建议使用 NVIDIA GeForce RTX 2080 Ti(我实验室也是这种)。
CPU
书中推荐Z370系列。也提到了CPU不行话可能也会成为深度学习的瓶颈。
RAM
建议至少64GB DDR4的主存
Storage
建议4TB 用于储存不活跃的数据。
Deep Learning in Cloud
如果刚开始学习DL不建议使用云端的Tesla V100 。可以使用更便宜(甚至免费)的K-80。并且使用云端更容易配置。
谷歌
Colaboratory(或Colab)是一个基本免费、零安装要求的定制Jupyter笔记本环境。只需要一个谷歌账号即可。
亚马逊
在AWS上创建深度学习box步骤:
- 登录AWS控制台。
- 选择 EC2并启动。
- 搜索并选择Deep Learning AMI (Ubuntu) 选项。
- 选择p2.xlarge作为实例类型。
- 通过创建新的密钥或者重用密钥启动实例。
- 使用SSH连接到实例,并将本地计算机上的端口8888重定向到实例:
ssh -L localhost:8888:localhost:8888\
-i your .pem filename ubuntu@your instance DNS - 通过输入Jupyter笔记本启动Jupyter笔记本。复制生成的URL并将其粘贴到浏览器中以访问Jupyter。
配置环境
需要下载anaconda和对应版本的CUDA。详情自行搜索(因为实验室安装好了anaconda和CUDA)。
打开anaconda prompt。
conda create -n py37pt11 python=3.7 # 安装python环境
conda activate py37pt11 # 激活环境
pip install --upgrade pip # 更新pip
conda install pytorch==1.1