DataWhale学习文档地址： datawhalechina.github.io/thorough-py…
作业一：Pytorch简介和安装
PyTorch简介:
由Meta AI(Facebook)人工智能研究小组开发，基于Lua编写的Torch库的Python实现的深度学习库。 应用范围：广泛应用于学术界和工业界。
PyTorch的发展:
PyTorch在学术界早已经占据主流地位，在工业界也借助ONNX所带来的落地能力在工业界逐渐走向主导地位。
PyTorch的优势:
- 简洁性：框架设计简洁，易于理解，追求最少封装。
- 易上手：掌握numpy和基本深度学习知识即可上手。
- 文档与社区支持：良好的文档和社区支持，Meta AI(Facebook AI)提供强力支持。
- 开源性：项目开源，在Github上有大量使用PyTorch开发的开源代码。
- 调试便利：可以逐行执行脚本，方便调试代码。
- 扩展库完善：扩展库越来越完善，处于快速发展阶段。
相比于tensorflow的向后兼容，使得pytorch的易用程度更佳，加速了tensorflow用户转向pytorch。
PyTorch开发环境安装：
需要安装下列组件：Anaconda/miniconda + PyTorch + 代码IDE
Anaconda：环境管理工具
Step 1：安装Anaconda/miniconda
下载：登录Anaconda官网，选择相应系统下载
安装：按照提示进行安装。
Step 2：检验是否安装成功
Windows：在开始页找到Anaconda Prompt。
Linux：在终端下进行。
Step 3：创建虚拟环境
查看现存虚拟环境：conda env list
创建虚拟环境：conda create -n env_name python==version（将env_name替换成环境名称，version替换成Python版本号，建议3.6-3.8）。
安装包：conda install package_name
卸载包：conda remove package_name。
显示所有安装的包：conda list
删除虚拟环境：conda remove -n env_name --all
激活环境：conda activate env_name
退出当前环境：conda deactivate
Step 4：换源
查看显卡
Windows：在cmd/terminal中输入nvidia-smi，或使用NVIDIA控制面板和任务管理器查看显卡型号。 Linux：查看版本号，确定兼容的CUDA版本。
安装PyTorch
Step 1：登录PyTorch官网
官网：PyTorch官网，复制官网安装命令进行安装
Step 2：选择安装命令
本地安装：选择本地开始（Start Locally）
命令选择：结合自身情况选择命令（稳定版本Stable或先行版本Preview），复制命令。
Step 3：激活虚拟环境
激活环境：conda activate env_name
Step 4：在线下载
下载：在激活的虚拟环境中输入命令进行下载（去掉命令中的-c pytorch以使用清华源）。
Step 5：离线下载
下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/。
安装：
进入安装路径：cd package_location
激活虚拟环境：conda activate env_name
安装包：conda install --offline pytorch压缩包的全称，conda install --offline torchvision压缩包的全称
Step 6：检验是否安装成功
进入虚拟环境：conda activate env_name
检验：输入python，然后输入import torch和torch.cuda.is_available()，检查是否报错及返回值。
PyCharm安装（可选）
也可以试用VSCODE轻量级，插件多更好用
