pytorch 安装与实现一个神经网络

 

环境，win10,python3.6,

安装版本为pytorch1.0

笔记本配置为：，戴尔笔记本自带的，nvidia geforce gtx 960m 4 gb，显卡，亲测可以安装cuda10.0

安装命令：

cpu版本：

pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp36-cp36m-win_amd64.whl

pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp37-cp37m-win_amd64.whl  #cuda10.0

 

什么是pytorch？

Pytorch是一个基于python的科学计算库，有以下特点：

• 类似与numpy，但是它可以使用GPU
• 可以用它定义深度学习模型，可以灵活的进行深度学习模型的训练和使用

用pytorch实现一个两层的神经网络：

N, D_in, H, D_out = 64, 1000, 100, 10

# 随机创建一些训练数据
x = torch.randn(N, D_in)
y = torch.randn(N, D_out)

w1 = torch.randn(D_in, H, requires_grad=True)
w2 = torch.randn(H, D_out, requires_grad=True)

learning_rate = 1e-6
for it in range(500):
    # Forward pass
    y_pred = x.mm(w1).clamp(min=0).mm(w2)
    
    # compute loss
    loss = (y_pred - y).pow(2).sum() # computation graph
    print(it, loss.item())
    
    # Backward pass
    loss.backward()
    
    # update weights of w1 and w2
    with torch.no_grad():
        w1 -= learning_rate * w1.grad
        w2 -= learning_rate * w2.grad
        w1.grad.zero_()
        w2.grad.zero_()