weixin_55207444的博客

PyTorch 提供了类似于 NumPy 的张量操作，这些操作可以在 CPU 和 GPU 上执行，从而加速计算过程。： PyTorch 的计算图是动态的，这意味着它们在运行时构建，并且可以随时改变。这为实验和调试提供了极大的灵活性，因为开发者可以逐行执行代码，查看中间结果。： PyTorch 虽然以 Python 为主要接口，但也提供了 C++ 接口，允许更底层的集成和控制。： PyTorch 提供了大量的预定义层、损失函数和优化算法，这些都是构建深度学习模型的常用组件。1、pytorch简介。

下载完是zip压缩包，解压在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7。ctrl+shift+p打开命令面板输入:Python: Select Interpreter。创建虚拟环境:conda create -n pytorch python=3.12。查看所有安装环境:conda info --envs。5、在anaconda prompt验证。下载完是exe文件，安装完设置环境变量。在cmd验证CUDA安装。4、下载pytorch。