0 Pytorch简介与安装
1 简介
2017年1月，FAIR(Facebook AI Research)发布PyTorch，其实在Torch基础上用pytorch语言重新打造的一款深度学习框架。Torch是采用Lua语言为接口的机器学习框架，但因为Lua语言比较小众，导致Torch知名度不高。
image.png
2 Pytorch发展
2017年1月正式发布PyTorh
2018年4月更新0.4.0版本，支持Windows系统，caffe2正式并入PyTorch
2018年11月更新1.0稳定版，成为GitHub增长第二快的开源项目
2019年5月更新1.1.0版本，支持TensorBoard，增强可视化功能
2019年8月更新1.2.0版本，更新torchvision，torchaudio和torchtext，增加更多功能
2019年11月更新1.3.0版本，增加8比特量化功能，进军移动端部署产业
2020年1月更新1.4.0版本，增加了支持分布式模型并行训练、为 PyTorch Mobile 提供 Build 级别的支持、加入了对 Java binding 的支持，以及增加了剪枝方法
3 PyTorch优点
- 上手快：掌握Numpy和基本深度学习概念即可上手
- 代码算法灵活：用nn.Module搭建网络更方便，基于动态图机制，更灵活
- Debug方便：就像调试Python代码一样
- 资源多：较多最新的研究成果都使用PyTorch实现
- 背靠大树：Facebook维护开发
- 可在各大云平台使用：谷歌Colab、亚马逊云、阿里云以及Kaggle都可在线使用
...
4 适合人群
- 深度学习初学者：模型算法实现容易，加深深度学习概念认识
- 机器学习爱好者：数十行代码即可实现人脸识别、目标检测、图像生成等实验
- 算法研究员：最新arXiv论文算法快速复现
5 软件安装
5.1相关软件
1、Python包管理器Anaconda
image.png
2、Python集成开发环境PyCharm
image.png
3、PyTorch
image.png
5.2 解释器与工具包
解释器
工具包
5.3 虚拟环境
虚拟环境
5.4 Anaconda安装
步骤一：登录官网https://www.anaconda.com/
image.png
步骤二：根据系统配置选择对应版本
image.png
步骤三：下载安装完成后，点击如下图标打开应用
image.png
步骤四：在主页面选择Environments
image.png
步骤五：
点击base(root)，选择“Open with jupyter notebook”我们以后就在这个环境下进行代码演练
image.png
image.png
步骤六：更换conda配置源，使得下载包速度更快
5.5 Pytorch安装
步骤一：访问官网https://pytorch.org/，根据自己的实际情况选择对应选项，注意没有GPU的CUDA就选择None。我们使用conda安装
步骤二：在开始栏打开终端，输入官网生成的那段指令，进行pytorch安装
conda install pytorch torchvision cpuonly -c pytorch
image.png
步骤三：安装好后，进入python环境，使用
import torch，如果没有报错说明安装成功
image.png
