PyTorch 是一个深度学习框架，旨在实现简单灵活的实验。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 Facebook 的人工智能研究小组开发。Uber 的 “Pyro” 也是使用的这个库。自 2017 年初首次推出，PyTorch 很快成为 AI 研究人员的热门选择并受到推崇。PyTorch 有许多优势，如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。由于其灵活、动态的编程环境和用户友好的界面，PyTorch 是快速实验的理想选择。
PyTorch 现在是 GitHub 上增长速度第二快的开源项目，在过去的 12 个月里，贡献者增加了 2.8 倍。而且，去年 12 月在 NeurIPS 大会上，PyTorch 1.0 稳定版终于发布。PyTorch 1.0 增加了一系列强大的新功能，大有赶超深度学习框架老大哥 TensorFlow 之势。
因此，学习 PyTorch 大有裨益！
PyTorch 是一个 Python 包，提供两个高级功能：
具有强大的 GPU 加速的张量计算（如 NumPy）
包含自动求导系统的的深度神经网络
那么PyTorch还是TensorFlow？
没有好的框架，只有适合的框架， 这里有个简单的对比，大家可以参考，并且技术是发展的，这里的对比也不是绝对的，比如 Tensorflow 在 1.5 版的时候就引入了 Eager Execution 机制实现了动态图，PyTorch 的可视化，windows 支持，沿维翻转张量等问题都已经不是问题了。

当然我们主要来介绍一下PyTorch的安装！

环境搭建
PyTorch 的安装十分简单，根据 PyTorch 官网，对系统选择和安装方式等灵活选择即可。PyTorch 支持 Linux，MacOS, 以及Windows系统。因为已经安装了 Anaconda（请参考Anaconda官网的下载与安装教程），就以此为例，简单的说一下步骤和要点。 国内安装 Anaconda 建议使用清华的镜像，下载速度可以提高很多。

安装
PyTorch 安装起来很简单, 在它的 官网 上就有很方便的选择方式：

（可能网页升级改版后可能和下图有点不同)
所以根据你的情况选择适合你的安装方法。
我就以自己的电脑情况安装来举例，我使用的是 MacOS, 因为之前已经安装有Anaconda，并且我的 Python 是 3.6版本的, 我没有 GPU 加速, 所以就按上图的方式来选择

注意：如果官方网站打不开或者其他问题，可以通过Pytorch中文网整理的PyTorch 官方安装命令合集来查看，并选择适合自己情况的安装方式。

按照图中最后一行的官方提示， 我只需要在我的 Terminal 当中输入以下指令就可以了:

conda install pytorch torchvision -c pytorch
1
注意, 我安装的是1.1.0版本的 Pytorch, 如果你需要更新可以直接去他们的官网查看是否有新的版本，安装 PyTorch 会同时安装两个模块, 一个是 torch, 一个 torchvision, 其中torch 是主模块, 用来搭建神经网络的, torchvision 是辅模块, 有数据库, 还有一些已经训练好的神经网络可以直接使用, 比如 (VGG, AlexNet, ResNet).
再打开Anaconda 环境里就显示有已经安装的Pytorch包了

安装完成以后，我们来验证一下：
进入Spyder

import torch
torch.version
// 得到结果 '1.1.0'
1
2
3

到这里就说明我们的安装成功了，那么接下来就可以开启你的深度学习之旅了！

http://blog.sina.com.cn/s/blog_e85d55920102z2sw.html
http://blog.sina.com.cn/s/blog_e85d55920102z2t5.html
http://blog.sina.com.cn/s/blog_e85d55920102z2vy.html
http://blog.sina.com.cn/s/blog_e85d55920102z2xv.html
http://blog.sina.com.cn/s/blog_e85d55920102z37j.html
http://blog.sina.com.cn/s/blog_e85d55920102z39u.html
http://blog.sina.com.cn/s/blog_e85d55920102z37j.html
http://blog.sina.com.cn/s/blog_e85d55920102z39k.html
http://blog.sina.com.cn/s/blog_e85d55920102z39l.html
http://blog.sina.com.cn/s/blog_e85d55920102z39m.html
http://blog.sina.com.cn/s/blog_e85d55920102z39n.html
http://blog.sina.com.cn/s/blog_e85d55920102z39p.html
http://blog.sina.com.cn/s/blog_e85d55920102z39t.html

https://www.douban.com/note/726755311/

http://blog.sina.com.cn/s/blog_e85d55920102z3ai.html
https://www.douban.com/note/726919739/
http://blog.sina.com.cn/s/blog_e85d55920102z3aj.html
https://www.douban.com/note/726923756/
https://www.douban.com/note/726925130/
http://blog.sina.com.cn/s/blog_e85d55920102z3ak.html
http://blog.sina.com.cn/s/blog_e85d55920102z3al.html
https://www.douban.com/note/726926869/
https://www.douban.com/note/726927631/
http://blog.sina.com.cn/s/blog_e85d55920102z3an.html
http://blog.sina.com.cn/s/blog_e85d55920102z3ao.html
https://www.douban.com/note/726928664/
http://blog.sina.com.cn/s/blog_e85d55920102z3ap.html
https://www.douban.com/note/726929204/