一、pycharm和pytorch安装
pycharm在官网https://www.jetbrains.com/pycharm/download/#section=windows进行下载,下载完成后正常安装即可。
pytorch可以在官网https://pytorch.org/get-started/locally/进行安装。
最新的pytorch的windows版本不支持CUDA-10.2,选择CUDA 11.3。使用pip进行安装。
安装完毕后测试,安装已完成。
二、pytorch实现反向传播
import torch
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
w = torch.Tensor([1.0]) #权重初始值
w.requires_grad = True # 是否需要计算梯度
def forward(x):
return x * w # w是一个Tensor
def loss(x, y):#损失函数
y_pred = forward(x)
return (y_pred - y) ** 2
print("predict (before training)", 4, forward(4).item())
for epoch in range(100):
for x, y in zip(x_data, y_data):
l = loss(x, y) # l是一个张量,tensor主要是在建立计算图 forward, compute the loss
l.backward() # backward,compute grad for Tensor whose requires_grad set to True
print('\tgrad:', x, y, w.grad.item())
w.data = w.data - 0.01 * w.grad.data # 权重更新时,需要用到标量,注意grad也是一个tensor
w.grad.data.zero_() # after update, remember set the grad to zero
print('progress:', epoch, l.item()) # 取出loss使用l.item,不要直接使用l(l是tensor会构建计算图)
print("predict (after training)", 4, forward(4).item())
运行结果(部分):
三,PyTorch Autograd自动求导
例:y=x^2,在x=3的时候它的导数为6
import torch
x = torch.tensor(3.0, requires_grad=True)
y = torch.pow(x, 2)
print(x.requires_grad)
print(y.requires_grad)
y.backward()
print(x.grad)
结果: