Pytorch深度学习者必备技能教程(一)

1.Pytorch简介：Pytorch是Python里的用来进行深度学习的框架，能够在强大的GPU加速基础上实现张量和动态神经网络，如果没有GPU，也支持CPU版本的。它的一大优势就是动态计算特征，也就是计算图在运行的时候创建。目前市场上支持动态计算的框架有Pytorch、DyNet、Chainer，而支持静态图计算的框架有TensorFlow，MXNet，Theano。Pytorch本质上是支持GPU的Numpy替代，提供了用来创建和训练神经网络的高级API。要想快速上手它，需要熟悉Numpy、Python和深度学习的一些基本概念。2.学习途径：目前网上关于Pytorch的教程真的是名目繁多，怎么选择一个通俗易懂、系统化的的教程就显得尤为重要。小编结合自身对Pytroch的学习，以及对学习资源的筛选，下面为读者提供一些专业的学习网站，希望可以方便大家更好的学习。1.Pytorch官网：Pytorch官网可以直接百度：pytorch，第一个就是官方文档。官网是对Pytorch最权威、最全面、最官方的解读。常用的接口与功能在这里都可以找到对应的说明。平时多看看官方文档，可以学到别的地方学不到的一些东西。2.github:这是一个开源的入门级的pytorch教程，简单，实用(由于公众号文章不能引用外部链接，想要学习这个的话，直接复制路径所有即可)3.莫烦Python:直接百度莫烦Python,就可以找见。莫烦教程里面涵盖了深度学习常用的框架视频和代码。小编自认为这个教程最合适新手的入门，详细的文档、全面的视频讲解、还配备了对应的视频代码，值得去系统的学习。3.Pytorch的安装：Pytorch0.4.0之前只支持MacOS和Linux两种系统，并且支持多种安装方式，Pytorch0.4.0之后开始支持Windows系统。官网上介绍基于conda、pip和源码编译几种不同的安装方式。支持的版本有python2.7、python3.5和python3.6。鉴于深度学习需要的计算一般比较大，强烈建议找一个独立显卡的电脑展开学习，当然要是没有显卡，就是计算速度会大大降低。小编安装了一个Ubuntun16.04的双系统，而且本机没有显卡，所以环境的搭建与后边代码都是基于CPU下Ubuntu完成的。由于已经习惯了使用mkvirtulenv来管理自己的环境(conda可以下载非python的安装包，当前这个环境所使用的包都是python包，所以在这个环境里两者无差别)。环境搭建提供mkvirtulenv和conda两种安装方式。下面这个图来源属于Pytorch官网，操作系统、安装包管理工具、Python版本和CUDA分别可以根据自己的电脑配置来选择安装环境：Ubuntun16.04+Python3.5+pipmkvirtulenv安装环境：1.创建虚拟环境：mkvirtulenvpytorch_env2.进入虚拟环境：workonpytorch_env3.安装pytorch:pipinstall4.安装pytorchvision:pipinstalltorchvisionconda安装环境：1.创建虚拟环境：condacreate--namepytorch_env2.进入虚拟环境：sourceactivatepytorch_env3.安装pytorch:4.安装pytorchvision:condainstallpytorchvision