pytorch 第一章第一节：PyTorch简介

PyTorch简介

• 2017年1月，FAIR（FacebookAIResearch）发布PyTorch
• PyTorch是在Torch基础上用python语言重新打造的一款深度学习框架
• Torch是采用Lua语言为借口的机器学习框架，但因Lua语言较为小众，导致torch知名度不高。

PyTorch发展

• 2017年1月正式发布PyTorch
• 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，已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
• 2014年10月至2018年02月 arXiv论文中深度学习框架提及次数统计
  
  PyTorch的增长速度与TensorFlow一致
• 2019年3月各深度学习框架在GitHub上的Start，Forks，Watchers和Contributors数量对比

PyTorch优点

• 上手快：掌握Numpy和基本深度学习概念即可上手
• 代码简介灵活：用nn.module封装使网络搭建更方便；基于动态图机制，更灵活
• Debug方便：调试PyTorch就像调试Python代码一样简单
• 文档规范：Https://pytorch.org/docs/可查看各版本文档
• 资源多：arXiv中的新算法大多由PyTorch实现
• 开发者多：GitHub上贡献者（Contributors）已超过1000+
• 背靠大树：FaceBook维护开发
• …

软件安装
python pycharm anaconda

使用GPU之前我需要安装PyTorch的GPU版本，建议使用conda安装，官方教程地址

conda install pytorch torchvision cudatoolkit=9.0 -c pytorch

检测是否可以使用GPU，使用一个全局变量use_gpu，便于后面操作使用

use_gpu = torch.cuda.is_available()

可以使用GPU，use_gpu的值为True，否则为False。当可以使用GPU，我们不想使用，可以直接赋值use_gpu = False
我们在进行转换时，需要把数据，网络，与损失函数转换到GPU上
1.构建网络时，把网络，与损失函数转换到GPU上

model = get_model()
loss_f = t.nn.CrossEntropyLoss()
if(use_gpu):
    model = model.cuda()
    loss_f = loss_f.cuda()

2.训练网络时，把数据转换到GPU上

if (use_gpu):
    x,y = x.cuda(),y.cuda()

3.取出数据是，需要从GPU准换到CPU上进行操作

if(use_gpu):
    loss = loss.cpu()
    acc = acc.cpu()