PyTorch学习之路（1）-环境搭建

    准备开始学习深度学习啦，主要还是计算机视觉方面的，工欲善其事必先利其器，选择一个好的深度学习框架是很有必要的，站在巨人的肩膀上嘛，下面是我选择深度学习框架的过程，特此记录一下。

    我的编程环境Windows 7，IDE是C++ + Visual Studio 2017，Python3.7 + PyCharm，所以就在主流语言是这两种的框架里面选。

    一开始接触深度学习是找人脸检测软件的时候，那时候从机器学习的OpenCV人脸检测到Dlib的SVM分类器，发现这种检测方法已经被淘汰了，虽然速度快但是精度极其低，得力于现在硬件的高速发展，深度学习实时检测已经成为了可能，所以后来接触了MTCNN开源算法，作者开源的用是Caffe框架，代码用C++编写的，不得不说Caffe是个很好的框架，有关神经网络的代码高度内敛，只留下了各种接口，所以只要会流程就可以像搭积木一样把一个神经网络搭建起来，不过caffe在几年前就停止更新了，而且不支持VC15，最令人诟病的就是繁琐无比的安装过程和半夜的第三方库。。所以为了可持续发展的原则、一个框架用到黑的思想，caffe就Pass了，之后接触到了FaceBook开源的caffe2，正准备入手，还没几天Caffe2就宣布在Pytorch1.0的时候和它合并，然后就查了一下Pytorch，发现它的前身是Torch，不过语言是没听过的Lua语言，因为这个所以Torch没有流行起来，但也不可否认他是一个优秀的框架，所以FaceBook就把Torch的语言改成了Python，这下就一下子流行了起来，一年时间GitHub的Star数量就排到了深度学习框架的第三，之后看到了Tensorflow，应该是目前最主流的框架了吧，但是官方文档比较糟糕，难度也比较高，不适合初学者入门，所以思前想后，就选择了Pytorch，用了一下，感觉也很舒服，适合入门！

    说下我选择Pytorch的几点原因：

        1、Pytorch自带的张量模块Tensor 和 Numpy及其相近，并且可以无缝转移，减少了学习成本。

        2、在许多评测里，Pytorch的速度也优于TensorFlow等框架

        3、官方API文档及其清晰，各个模块分布合理，很容易就找到想要的内容

        4、新兴框架，发展势头足，而且马上1.0发布之后和Caffe2合并，研发部署两不误！

    好了，废话不多说，这篇主要是介绍了Pytorch框架的搭建过程

    咳咳，安装过程极其简单，有两种方式：

        1、克隆Python的GitHub：git clone https://github.com/pytorch/pytorch

              之后在包目录下输入：python setup.py install

              PS：千万别Zip下载，第三方库全部没有很难受的......

        2、进入Pytorch官网：https://pytorch.org/

              在底下选择系统，安装方式选择pip，选择Python版本（一定要64位的哦，不知道可以CMD输入python可以查看）

              如果需要GPU加速则需要NVIDIA的显卡，然后下载安装cuda包，选择cuda版本即可，CPU版本则选择None

              CUDA下载地址：https://developer.nvidia.com/cuda-downloads

      好啦，安装完成啦，生成一个张量试试吧！

import torch

Torch=torch.rand(5,5)
print(Torch)

结果：

好啦，在接下来的时间里，我将继续学习Pytorch并将点滴记录到博客里！