220315_220611-深度学习复习总结-PyTorch简介

PyTorch简介

1.1.1 PyTorch的介绍

PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，又将Caffe2项目并入Pytorch

1.1.2 PyTorch的优势

• 更加简洁，相比于其他的框架，PyTorch的框架更加简洁，易于理解。
• 上手快，掌握numpy和基本的深度学习知识就可以上手。
• 良好的文档和社区支持
• 开源项目多
• 可以更好的调试代码，PyTorch可以让我们逐行执行我们的脚本。可以轻松访问代码中的所有对象
• 扩展库多

1.1.3 PyTorch相关资源：

1. Awesome-pytorch-list：包含了NLP,CV,常见库，论文实现以及Pytorch的其他项目。
2. PyTorch官方文档：官方发布的文档，十分丰富。
3. Pytorch-handbook：pytorch手中书。
4. PyTorch官方社区：交流社区

1.2.1 开发环境

Anaconda/miniconda + Pytorch + Pycharm （Jupyter Notebook）+ CUDA

conda命令

# 查看已经安装好的虚拟环境
conda env list

# 创建虚拟环境
conda create -n 虚拟环境名称 python==版本名称(建议选择3.6-3.8)
eg: conda create -n demo python==3.8

# 删除虚拟环境
conda remove -n 名称 --all

# 激活环境命令
conda.bat activate 名称
eg: conda.bat activate demo

# 查看虚拟环境中的包
conda list

pip换源

Linux：

在用户目录下新建文件夹**.pip**：mkdir ~/.pip

在文件夹内新建文件pip.conf, vim ~/.pip/pip.conf并添加下方的内容

Windows：

1、进入以下文件路径 C:\Users\电脑用户\ 文件夹中
2、新建 pip 文件夹并在文件夹中新建 pip.ini 配置文件
3、在pip.ini 配置以下内容，使用豆瓣源/清华源都可

[global]
index-url = http://pypi.douban.com/simple
[install]
use-mirrors =true
mirrors =http://pypi.douban.com/simple/
trusted-host =pypi.douban.com

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

conda换源

各系统都可以通过修改用户目录下的 .condarc 文件。

Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

运行 conda create -n myenv numpy 创建虚拟环境 myenv 并安装 numpy

---

Linux 系统：

Ctrl +Alt+t打开终端 输入以下命令

cd ~ 进入用户中心

vim .condarc 修改.condarc文件

输入i进入编辑模式，将上方内容粘贴进去，按ESC退出编辑模式，输入:wq保存并退出

查看是否换源成功 conda config --show default_channels

运行 conda clean -i 清除索引缓存

cuda

单独写了一篇文章介绍安装CUDA
安装GPU深度学习环境

import torch

torch.cuda.is_available()  # True 代表是GPU