Pytorch | 入门之框架介绍

 

题外话：

为了监督自己可以好好地学习Pytorch框架，我准备提前挖几个坑，然后凭借自觉力（填坑强迫症）把任务完成。预祝自己成功2333333

 

回归正题，Pytorch入门系列的文章是基于 廖星宇 所著的《深度学习入门之PyTorch》对应章节的学习笔记。本篇文章就第二章《深度学习框架》进行学习笔记。之所以就Pytorch进行学习，第一是之前用过一段时间，发现代码可读性很强；第二是随着时间的迁移，Pytorch的影响力逐渐变大，有越来越多的前沿算法都使用该框架来实现；第三是之前用了一段时间的lua torch，Pytorch基于torch的基础设计，所以上手相对较快。

 

1. 为何要使用Pytorch

书中先介绍了当前受欢迎的几个常用框架，由于书已经出版了一年半，其中到现在依旧受欢迎的是Tensorflow，Caffe，MXNet。关于为何要学习使用Pytorch，作者列出以下5点：（原文顺序，不影响重要程度）

1） 掌握一个框架不能一劳永逸。意思是目前众多的深度框架里，没有一家独大，而是各有优缺。尽管Caffe优先占领市场，但由于管理不够规范，自定义层门槛较高，导致用户后续开始流失。而Tensorflow所属Google，有良好的社区环境，快速及时的bug修复，出现更多先进的学术算法使用tf实现，从而实现正向循环。目前Tensorflow是用户最多的深度学习框架。MXNet由亚马逊推出，虽然在学术界应用不多，但其分布式训练的优点让它在工业界有着不可取代的地位。至于Pytorch，因其自动求导的特性，定义简单，代码易读，上手门槛低，也得到了很好地推广。去年底的时候Pytorch推出正式版1.0.0后，又圈了一波粉。

2） Pytorch的灵活性。自动反向求导，如果对网络进行修改，可以实时并最快地运行程序。

3） Pytorch的设计线性且直观。易于准确定位错误，从而很大程度上节约了调试的时间。

4） Pytorch的底层源代码更好理解。有利于用户深入理解内部的实现。

 

2. 配置Pytorch框架 —— windows 10 + python3.7

2.1 GPU环境配置

这部分的教程网上很多，主要需要安装CUDA Driver和对应的Cudnn库。搜到的一个方案博客：Windows10+GPU版pytorch安装

如果觉得这个教程太麻烦，可以直接看2.2里pytorch官网里的指令指导进行安装。

 

2.2 安装pytorch

在《深度学习入门之PyTorch》出版前，还没有windows使用pytorch的情况。不过目前pytorch官网已经推出了很方便的安装向导。大家可直接访问pytorch官网 --> Get Started页面 https://pytorch.org/get-started/locally/

然后可看到如下图所示的选项卡，根据自己的计算机配置进行选择。

Run this Command即为安装所需要的指令，以管理员身份运行PowerShell，然后输入指令即可。下图为安装截图，注意要以管理员身份运行PowerShell，不然可能会出错。

安装成功后，进入python环境后打印version测试。

上图所示，可以看到pytorch已经安装成功。

 

3. 配置Pytorch框架 —— ubuntu 16.04

在Linux Ubuntu 16.04环境下，目前感觉是除了从PowerShell转移到普通terminal就没什么区别2333333

大致流程同样是安装CUDA Driver + 对应的Cudnn库。

比较方便的是可以直接 pip install torch 即可，如果有某个版本的特殊需求可以专项指定。例如，若希望安装0.4.1版本的pytorch，输入指令 pip install torch==0.4.1就可以了。

详细操作可以参考博客：Ubuntu 16.04安装Pytorch

 

环境配置好之后就可以开始进一步的实验了 ^_____________________________^