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 ^_____________________________^