PyTorch专栏（一）
作者 | News
编辑 | 安可
出品 | 磐创AI团队出品
【磐创AI导读】：本篇文章讲解了PyTorch专栏的第一章，简单介绍了PyTorch及其环境搭建，希望对大家有所帮助。查看上篇关于本专栏的介绍：PyTorch专栏开篇。想要获取更多的机器学习、深度学习资源，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。
专栏目录：
第一章：PyTorch之简介与下载
PyTorch简介
PyTorch环境搭建
第二章：PyTorch之60min入门
PyTorch 入门
PyTorch 自动微分
PyTorch 神经网络
PyTorch 图像分类器
PyTorch 数据并行处理
第三章：PyTorch之入门强化
数据加载和处理
PyTorch小试牛刀
迁移学习
混合前端的seq2seq模型部署
保存和加载模型
第四章：PyTorch之图像篇
微调基于torchvision 0.3的目标检测模型
微调TorchVision模型
空间变换器网络
使用PyTorch进行Neural-Transfer
生成对抗示例
使用ONNX将模型转移至Caffe2和移动端
第五章：PyTorch之文本篇
聊天机器人教程
使用字符级RNN生成名字
使用字符级RNN进行名字分类
在深度学习和NLP中使用Pytorch
使用Sequence2Sequence网络和注意力进行翻译
第六章：PyTorch之生成对抗网络
第七章：PyTorch之强化学习
第一章：PyTorch之简介与下载
1 PyTorch简介
要介绍PyTorch之前，不得不说一下Torch。Torch是一个有大量机器学习算法支持的科学计算框架，是一个与Numpy类似的张量（Tensor）操作库，其特点是特别灵活，但因其采用了小众的编程语言是Lua，所以流行度不高，这也就有PyTorch的出现。所以其实Torch是PyTorch的前身，它们的底层语言相同，只是使用了不同的上层包装语言。
PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能：
具有强大的GPU加速的张量计算（如Numpy）
包含自动求导系统的深度神经网络
除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了PyTorch。
TensorFlow和Caffe都是命令式的编程语言，而且是静态的，首先必须构建一个神经网络，然后一次又一次使用相同的结构，如果想要改变网络的结构，就必须从头开始。但是对于PyTorch，通过反向求导技术，可以让你零延迟地任意改变神经网络的行为，而且其实现速度快。正是这一灵活性是PyTorch对比TensorFlow的最大优势。
另外，PyTorch的代码对比TensorFlow而言，更加简洁直观，底层代码也更容易看懂，这对于使用它的人来说理解底层肯定是一件令人激动的事。
所以，总结一下PyTorch的优点：
支持GPU
灵活，支持动态神经网络
底层代码易于理解
命令式体验
自定义扩展
当然，现今任何一个深度学习框架都有其缺点，PyTorch也不例外，对比TensorFlow，其全面性处于劣势，目前PyTorch还不支持快速傅里叶、沿维翻转张量和检查无穷与非数值张量；针对移动端、嵌入式部署以及高性能服务器端的部署其性能表现有待提升；其次因为这个框架较新，使得他的社区没有那么强大，在文档方面其C库大多数没有文档。
2 PyTorch简介
2.1 安装Anaconda 3.5
Anaconda是一个用于科学计算的Python发行版，支持Linux、Mac和Window系统，提供了包管理与环境管理的功能，可以很方便地解决Python并存、切换，以及各种第三方包安装的问题。
2.1.1 下载：
可以直接从 Anaconda官网下载，但因为Anaconda的服务器在国外，所以下载速度会很慢，这里推荐使用清华的镜像来下载。选择合适你的版本下载，我这里选择Anaconda3-5.1.0-Windows-x86_64.exe
2.1.2 安装
下载之后，点击安装即可，步骤依次如下：
安装完成后，进行Anaconda的环境变量配置，打开控制面板->高级系统设置->环境变量->系统变量找到Path，点击编辑，加入三个文件夹的存储路径（注意三个路径之间需用分号隔开），步骤如下：
至此，Anaconda 3.5 windows版就安装设置好了，打开程序找到Anaconda Navigator，启动后可以看到：
2.2 安装PyTorch & torchvision
2.2.1 命令获取
进入 PyTorch官网，依次选择你电脑的配置（我这里已经下载了python3.7），这里提供使用pip和conda两种环境下安装的步骤截图
(1)使用pip：windows+pip+python3.7+None
拷贝给出的命令在cmd下运行
安装成功后检验是否安装成功，打开pycharm运行一个小demo：
(2)使用conda：windows+conda+python3.7+None
拷贝给出的命令在cmd下运行
安装完毕后，验证是否安装成功，打开Anaconda的Jupyter新建python文件，运行demo：
出现这个结果，那么恭喜你，至此PyTorch1.0 & Anaconda3.5已经安装成功。
留言送书福利
为了鼓励大家踊跃在文章留言区分享自己的看法，磐创AI推出了“留言送书”活动~在本文文末留言即可参与活动，留言内容需为主题相关。欢迎大家在日常推文中留言，以后将不定期推出“留言送书”活动。
这次磐小仙精心挑选了本《机器学习线性代数基础》送给大家。本书以机器学习涉及的线性代数核心知识为重点，进行新的尝试和突破，环环相扣地展开线性代数与机器学习算法紧密结合的核心内容，并分析推荐系统和图像压缩两个实践案例。极力避免数学的晦涩枯燥，充分挖掘线性代数的几何内涵，并以Python语言为工具进行数学思想和解决方案的有效实践。书籍详细介绍可以点击文末阅读原文或者扫描下方二维码查看。
扫一扫，查看书籍详细介绍
/ 今日赠送书籍 /
《机器学习线性代数基础》
恭喜上期留言读者林杰钦Nelson，获赠纸质书籍《TensorFlow+PyTorch深度学习从算法到实战》一本。请 林杰钦Nelson 同学联系小编：cellerai
恭同时恭喜以下 5 位粉丝获得《深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台》的电子书，快来找小仙领取吧~
▲上下滑动查看幸运粉丝
/ 今日留言主题 /
你对本专栏有什么建议，或者有什么看法呢？
你也许还想看：
● 机器学习中的 7 大损失函数实战总结（附Python演练）
● 数据科学中必须知道的5个关于奇异值分解（SVD）的应用
● 使用SlimYOLOv3框架实现实时目标检测
欢迎扫码关注：
点击下方 | 阅读原文 | 了解更多