pytorch深度学习快速入门

放弃个人素质

享受缺德人生

拒绝精神内耗

有事直接发疯

一、安装Anaconda

官网下载地址

选择适合的系统版本进行安装即可

安装完之后，可以看到下面的内容

二、使用Anaconda创建开发环境

这也是为什么要使用Anaconda的原因，可以创建不同的开发环境，每一个开发环境里选择的开发包可以不一样，环境之间不会互相干扰。

打开命令黑窗口

可以看到，目前处于初始 base环境。

使用命令创建需要的开发环境

如创建环境名为 pytorch的开发环境，并指定python的版本为3.6：

 conda create -n pytorch python=3.6

 创建完之后，进入这个开发环境：

conda activate pytorch

 可以看到环境已经被切换成pytorch了。

三、安装pytorch

官网下载地址

 其中要注意的一点是，看下你电脑有没有GPU，如果没有的话，CUDA那一行选CPU。

并检查驱动版本，如果版本不够，去nvida官网下载对应你显卡的新驱动。

检查驱动版本

安装pytorch 

官网选择完之后，将下面的那行内容复制出来，并在pytorch环境中运行安装

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

 可能出现的错误：

failed with initial frozen solve. Retrying with flexible solve.
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.

 这个错误通常是由于conda无法从当前的repodata.json文件中获取所需的包信息导致的。解决这个问题的一种方法是尝试更改conda的channel配置，使用其他可用的镜像源来获取软件包信息。

解决方法：

换一下cuda的版本，换成11.8的：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

 检验是否安装成功：

python 
import torch
torch.cuda.is_available()

 输出

true

 四、pytorch加载数据初认识

首先假设我们拥有一个海量的数据池，这个池子里面杂乱地放着各种各样的数据。

Dataset

作用就是从上面这个数据池中去获取数据及其对应的label。

Pytorch中的Dataset是一个抽象类，用于表示数据集。我们可以通过继承Dataset类来自定义自己的数据集。自定义Dataset需要实现__len__和__getitem__两个方法。

__len__方法：返回数据集的大小，集数据集中样本的数量。

__getitem__方法：返回指定索引的样本。在这个方法中，我们需要根据索引从数据集中读取对应的数据，并将其转换为PyTorch张量。

自定义Dataset的好处是可以灵活地处理各种类型的数据，例如图像、文本、音频等。同时，我们还可以在Dataset中进行数据增强、数据预处理等操作，以提高模型的性能。

Dataloader

打包数据，为后面的网络提供不同的数据形式。

PyTorch中的dataloader是一种数据加载器，用于从给定数据集中加载数据。这个数据集可以是一个文件夹中的图像，一个CSV文件中的表格数据，或者其他形式的数据。Dataloader负责把数据分批次加载，支持并行处理和数据预处理，以便更好地训练神经网络模型。