本文首发于公众号”计算机视觉cv“

 

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

  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!