全面解读：PyTorch深度学习框架入门指南

时间：11-22 现代故事提交错误

大家好,今天小编来为大家解答以下的问题，关于全面解读：PyTorch深度学习框架入门指南，这个很多人还不知道，现在让我们一起来看看吧！

1.1.2 PyTorch的发展

“All in Pytorch”。我们只能用一句话来概括PyTorch的发展。 PyTorch 自提出以来受到了巨大关注，用户数量急剧增加。最直观的就是下面的统计图表所展现的简洁性。直的。

下图来自Paper with code网站，颜色面积代表使用该框架的论文公开代码库的数量。我们可以发现，截至2021年6月，PyTorch的代码实现量已经是TensorFlow的4倍。我们还可以看到红色部分的PyTorch正在取代他的老大哥称霸学术圈。未来，PyTorch将借助ONNX带来的实现能力逐步走向行业主导地位。

总的来说，我们必须承认，到目前为止，PyTorch 仍然不如其他框架，但该框架只是为我们提供了轮子，让我们更方便地造车。最重要的是我们个人科学素养的提高。

图片

1.1.3 PyTorch的优势

PyTorch 具有以下优点：

更加简洁，与其他框架相比，PyTorch的框架更加简洁易懂。 PyTorch 的设计追求最小化封装，以避免重新发明轮子。上手快，掌握numpy和基础深度学习知识即可上手。 PyTorch有良好的文档和社区支持，是作者自己维护的一个论坛，供用户交流和提问。 Facebook人工智能研究院为PyTorch提供了强有力的支持。作为当今三大深度学习研究机构之一，FAIR 的支持足以保证PyTorch 得到持续的开发更新。项目开源，Github上有越来越多使用PyTorch开发的开源代码。是的更好的调试代码，PyTorch 允许我们逐行执行脚本。这就像调试NumPy - 我们可以轻松访问代码中的所有对象，并且可以使用print 语句（或其他标准Python 调试）来查看方法在哪里失败。日益完善的扩展库充满了活力，地址为当打之年。

PyTorch的安装(m1环境)

本安装教程主要参考

《金玉良缘易配而木石前盟难得|M1 Mac os(Apple Silicon)天生一对Python3开发环境搭建(集成深度学习框架Tensorflow/Pytorch)》

conda安装

进入下载页面：https://github.com/conda-forge/miniforge/#download 选择mac arm64位架构：

镜像下载成功后，进入命令行目录，执行命令安装：

#进入命令行目录

cd ~/下载

#执行命令进行安装

sudo bash ./Miniforge3-MacOSX-arm64.sh 然后会有一些条款需要确认，一路Yes Yes.

然后编辑配置文件vim ~/.zshrc 添加以下内容：

path=("/Users/{您的mac 用户名}}/miniforge3/bin" $path)

导出PATH保存磁盘后执行命令

source ~/.zshrc 配置好环境变量后，输入python3，出现以下内容，表示安装完成。

python3

Python 3.9.2 |由conda-forge 打包| （默认，2021 年2 月21 日，05:00:30）

[Clang 11.0.1] 关于达尔文

输入“帮助”、“版权”、“制作人员”或“许可证”以获取更多信息。接下来需要配置conda的国内下载源

conda config --添加频道https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

conda config --添加频道https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

conda config --添加频道https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

conda config --添加频道https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/

conda config --添加频道https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/

conda config --添加频道https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

conda config --set show_channel_urls yes 基本环境配置完成。

PyTorch (cpu版)安装

目前arm64架构只支持3.9版本，所以我们来创建一个虚拟空间

，这里提前把需要的基础库都一一安装好，因为如果在创建虚拟空间的时候没有提前安装的话，后面就无法使用pip安装了。

sudo conda create -n pytorch numpy matplotlib pandas python=3.9 安装成功后，激活环境：

源激活

(pytorch) conda 激活pytorch然后下载arm64版本的pytorch安装包：

https://github.com/wizyoung/AppleSiliconSelfBuilds/blob/main/builds/torch-1.8.0a0-cp39-cp39-macosx_11_0_arm64.whl

下载成功后，执行安装命令：

sudo pip install torch-1.8.0a0-cp39-cp39-macosx_11_0_arm64.whl 安装成功。一般来说，这个过程不会有什么陷阱。

PyTorch 测试

我们来试试添加M1芯片后Pytorch的性能，写入test_torch.py:

从tqdm 导入tqdm

进口火炬

@torch.jit.script

def foo():

x=torch.ones((1024 * 12, 1024 * 12), dtype=torch.float32)

y=torch.ones((1024 * 12, 1024 * 12), dtype=torch.float32)

z=x + y

返回z

如果__name__=="__main__":

z0=无

for _ in tqdm(范围(10000000000)):

z=foo()

如果z0 为None:

z0=zz

否则：

z0 +=zz矩阵加法逻辑运算达到45 it/s。手电筒可以在短时间内适应M1芯片。这样的表现已经很让人惊叹了。

PyCharm配置conda 虚拟环境

进入setting，进入Project Interpreter，选择解释器--show All，点击右侧+号选择Existingenvironment--点击省略号选择conda环境目录（anaconda安装目录下的envs下），进入环境文件夹，选择python，选择后一路点击确定，进入设置界面，选择刚刚加载的环境解释器，确定。