小言_互联网的博客

PyTorch专栏(一)

283人阅读  评论(0)

作者 | News

编辑 | 安可

出品 | 磐创AI团队出品

【磐创AI导读】:本篇文章讲解了PyTorch专栏的第一章,简单介绍了PyTorch及其环境搭建,希望对大家有所帮助。查看上篇关于本专栏的介绍:PyTorch专栏开篇。想要获取更多的机器学习、深度学习资源,欢迎大家点击上方蓝字关注我们的公众号:磐创AI

专栏目录:

第一章:PyTorch之简介与下载

  • PyTorch简介

  • PyTorch环境搭建

第二章:PyTorch之60min入门

  • PyTorch 入门

  • PyTorch 自动微分

  • PyTorch 神经网络

  • PyTorch 图像分类器

  • PyTorch 数据并行处理

第三章:PyTorch之入门强化

  • 数据加载和处理

  • PyTorch小试牛刀

  • 迁移学习

  • 混合前端的seq2seq模型部署

  • 保存和加载模型

第四章:PyTorch之图像篇

  • 微调基于torchvision 0.3的目标检测模型

  • 微调TorchVision模型

  • 空间变换器网络

  • 使用PyTorch进行Neural-Transfer

  • 生成对抗示例

  • 使用ONNX将模型转移至Caffe2和移动端

第五章:PyTorch之文本篇

  • 聊天机器人教程

  • 使用字符级RNN生成名字

  • 使用字符级RNN进行名字分类

  • 在深度学习和NLP中使用Pytorch

  • 使用Sequence2Sequence网络和注意力进行翻译

第六章:PyTorch之生成对抗网络

第七章:PyTorch之强化学习

第一章:PyTorch之简介与下载

1 PyTorch简介

要介绍PyTorch之前,不得不说一下Torch。Torch是一个有大量机器学习算法支持的科学计算框架,是一个与Numpy类似的张量(Tensor)操作库,其特点是特别灵活,但因其采用了小众的编程语言是Lua,所以流行度不高,这也就有PyTorch的出现。所以其实Torch是PyTorch的前身,它们的底层语言相同,只是使用了不同的上层包装语言。

PyTorch是一个基于Torch的Python开源机器学习库,用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发,不仅能够实现强大的GPU加速,同时还支持动态神经网络,这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能:

  • 具有强大的GPU加速的张量计算(如Numpy)

  • 包含自动求导系统的深度神经网络

除了Facebook之外,Twitter、GMU和Salesforce等机构都采用了PyTorch。

TensorFlow和Caffe都是命令式的编程语言,而且是静态的,首先必须构建一个神经网络,然后一次又一次使用相同的结构,如果想要改变网络的结构,就必须从头开始。但是对于PyTorch,通过反向求导技术,可以让你零延迟地任意改变神经网络的行为,而且其实现速度快。正是这一灵活性是PyTorch对比TensorFlow的最大优势。

另外,PyTorch的代码对比TensorFlow而言,更加简洁直观,底层代码也更容易看懂,这对于使用它的人来说理解底层肯定是一件令人激动的事。

所以,总结一下PyTorch的优点:

  • 支持GPU

  • 灵活,支持动态神经网络

  • 底层代码易于理解

  • 命令式体验

  • 自定义扩展

当然,现今任何一个深度学习框架都有其缺点,PyTorch也不例外,对比TensorFlow,其全面性处于劣势,目前PyTorch还不支持快速傅里叶、沿维翻转张量和检查无穷与非数值张量;针对移动端、嵌入式部署以及高性能服务器端的部署其性能表现有待提升;其次因为这个框架较新,使得他的社区没有那么强大,在文档方面其C库大多数没有文档。

2 PyTorch简介

2.1 安装Anaconda 3.5

Anaconda是一个用于科学计算的Python发行版,支持Linux、Mac和Window系统,提供了包管理与环境管理的功能,可以很方便地解决Python并存、切换,以及各种第三方包安装的问题。

2.1.1 下载:

可以直接从 Anaconda官网下载,但因为Anaconda的服务器在国外,所以下载速度会很慢,这里推荐使用清华的镜像来下载。选择合适你的版本下载,我这里选择Anaconda3-5.1.0-Windows-x86_64.exe

2.1.2 安装

下载之后,点击安装即可,步骤依次如下:

选择你想要存放的位置

安装完成后,进行Anaconda的环境变量配置,打开控制面板->高级系统设置->环境变量->系统变量找到Path,点击编辑,加入三个文件夹的存储路径(注意三个路径之间需用分号隔开),步骤如下:

Anaconda3.5存储路径

Anaconda3.5\Library\bin存储路径

Anaconda3.5\Scripts存储路径

至此,Anaconda 3.5 windows版就安装设置好了,打开程序找到Anaconda Navigator,启动后可以看到:

Anaconda首页

2.2 安装PyTorch & torchvision

2.2.1 命令获取

进入 PyTorch官网,依次选择你电脑的配置(我这里已经下载了python3.7),这里提供使用pip和conda两种环境下安装的步骤截图

(1)使用pip:windows+pip+python3.7+None

拷贝给出的命令在cmd下运行

安装成功后检验是否安装成功,打开pycharm运行一个小demo:

检验pytorch是否安装成功

(2)使用conda:windows+conda+python3.7+None

拷贝给出的命令在cmd下运行

安装完毕后,验证是否安装成功,打开Anaconda的Jupyter新建python文件,运行demo:

出现这个结果,那么恭喜你,至此PyTorch1.0 & Anaconda3.5已经安装成功。

留言送书福利

为了鼓励大家踊跃在文章留言区分享自己的看法,磐创AI推出了“留言送书”活动~在本文文末留言即可参与活动,留言内容需为主题相关。欢迎大家在日常推文中留言,以后将不定期推出“留言送书活动。

这次磐小仙精心挑选了本《机器学习线性代数基础》送给大家。本书以机器学习涉及的线性代数核心知识为重点,进行新的尝试和突破,环环相扣地展开线性代数与机器学习算法紧密结合的核心内容,并分析推荐系统和图像压缩两个实践案例。极力避免数学的晦涩枯燥,充分挖掘线性代数的几何内涵,并以Python语言为工具进行数学思想和解决方案的有效实践书籍详细介绍可以点击文末阅读原文或者扫描下方二维码查看。

扫一扫,查看书籍详细介绍👆

/  今日赠送书籍 /

机器学习线性代数基础

恭喜上期留言读者林杰钦Nelson,获赠纸质书籍TensorFlow+PyTorch深度学习从算法到实战》一本。请 林杰钦Nelson 同学联系小编:cellerai

恭同时恭喜以下 5 位粉丝获得《深入理解AutoML和AutoDL:构建自动化机器学习与深度学习平台》的电子书,快来找小仙领取吧~

▲上下滑动查看幸运粉丝

/  今日留言主题 /

你对本专栏有什么建议,或者有什么看法呢?

 

你也许还想

● 机器学习中的 7 大损失函数实战总结(附Python演练)

● 数据科学中必须知道的5个关于奇异值分解(SVD)的应用

● 使用SlimYOLOv3框架实现实时目标检测

欢迎扫码关注:

 点击下方 |  | 了解更多


转载:https://blog.csdn.net/fendouaini/article/details/100445048
查看评论
* 以上用户言论只代表其个人观点,不代表本网站的观点或立场