从零开始学Pytorch(零)之安装Pytorch

时光毁灭记忆、已成空白 提交于 2021-02-08 08:47:09

点击上方“计算机视觉cv”即可“进入公众号”

重磅干货第一时间送达


Pytorch优势

  聊聊为什么使用Pytorch,个人觉得Pytorch比Tensorflow对新手更为友善,而且现在Pytorch在学术界使用的得更多,大有逆袭Tensorflow之势。最近两年的顶会文章中,代码用Pytorch的比Tensorflow多。大家如果对Tensorflow也感兴趣,完全可以学习了Pytorch之后继续学习Tensorflow,基本原理都是相通的。让我们开始开启愉快的Pytorch学习之旅吧!

在Ubuntu系统或是windows系统安装Pytorch

  首先打开Pytorch的官网:https://pytorch.org/。在首页我们可以看到有各种配置可选,我们这里选择CPU或是GPU的版本都可以。一般选择GPU版本的Pytorch,这样运行大型的程序速度会快很多。而要运行GPU的Pytorch,就需要在电脑(不管是Ubuntu系统还是windows系统)安装相应的CUDA9和cudnn7,这两个安装起来有时候会遇到一大堆问题,所以需要一步一步解决。推荐一个我写的在Ubuntu系统安装教程的博客,按照博客上写的一步步来就可以啦。博客链接:https://blog.csdn.net/xiewenrui1996/article/details/102736238

  其实还有一个更简洁的安装方法,就是安装anaconda,然后在anaconda创建虚拟环境,在虚拟环境里面安装GPU版的Pytorch,系统就会自动给你安装相应的CUDA和cudnn,这样就节省了一大半的时间。写程序的编译器推荐用Pycharm,里面集成了许多写程序需要的模块,简单实用。Pycharm可以跟在anaconda里面创建的GPU版的Pytorch相连起来,把创建的虚拟环境在Pycharm使用,具体操作为在编译器里面添加anaconda的路径就可以了。

接下来更新的内容

  公众号接下来会更新从零开始学Pytorch的系列内容,比如线性回归的实现、神经网络框架代码实现、GAN等等,欢迎持续关注!

参考文献

[1]《动手深度学习》李沐


未完待续,如果有什么不懂的欢迎随时交流!

AI研究学术交流群已成立啦!


扫码可添加博主微信,微信群有国际顶级Top期刊作者、高等学府博士生、硕士生等多位学者,本群致力于纯学术探讨,方向不限(一个好的学者必定是交叉学科下的产物)。想要进群一起学习探讨的童鞋可以加博主微信,备注学术交流、你也可以选择技术交流



▲扫码加群

本文分享自微信公众号 - 计算机视觉CV(jsjsjcv)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!