pytorch是一个深度学习的框架
torch的意思是火炬,这是Facebook的开源神经网络框架,pytorch就是它的python版本啊,与Tensorflow的静态计算图不同,pytorch的计算图是动态的,可以根据计算需要实时改变计算图。
我觉得可能比较适合初学者,但也不适合,这是一个高度结成的框架,只需要我们设计网络结构就可以,但是对我们加深神经网络的理解不是很友好,总之在基本掌握原理之后,使用起来还是很方便的。
这个神经网络框架需要注意的地方如下:
1.它极大的支持了numpy的数组操作,而知道的人都明白numpy跟matlab的矩阵设定极度相似,对某些人来说会很方便。在torch中,提供了Tensor张量与numpy的转化函数。
2.Tensor张量 (此条简介来自于简书 https://www.jianshu.com/p/5ae644748f21)
标量(Scalar)是只有大小,没有方向的量,如1,2,3等
向量(Vector)是有大小和方向的量,其实就是一串数字,如(1,2)
矩阵(Matrix)是好几个向量拍成一排合并而成的一堆数字,如[1,2;3,4]
那么张量(Tensor)是什么呢?可以形容称三维的矩阵,也就是一个立方体
其实标量,向量,矩阵它们三个也是张量,标量是零维的张量,向量是一维的张量,矩阵是二维的张量。
在torch中创建使用跟矩阵是一样的,以后我们将会详细讲解
3.该框架支持GPU加速,这个在选择安装包的时候就需要注意,是选择None的CPU版本的,还是选择CUDA版本的。
安装的方法其实别自己捅咕,去官网看一眼
安装方法在Run this command中已经给出,一般情况下安装完就可以使用。
注意:
1.Package中的几个选择有哪些不同,PIP大家都懂,LIb和source也就是库和源码安装,关键的是这个conda
网友的解答
我们长期参与python世界,我们都知道pip,easy_install和virtualenv,但这些工具并不能满足我们所有的特定要求。 主要问题是它们专注于Python,忽略了非Python库依赖项,如HDF5,MKL,LLVM等,它们的源代码中没有setup.py,也没有将文件安装到Python的站点中 -packages目录。
所以Conda是一个包装工具和安装程序,旨在做的不仅仅是pip做的事情; 处理Python包之外的库依赖项以及Python包本身。 Conda还创建了一个虚拟环境,就像virtualenv一样。
因此,Conda应该与Buildout进行比较,这是另一个可以让你处理Python和非Python安装任务的工具。
2.CUDA我们前面说过,这个库支持GPU加速,选择的时候有多个版本。有关问题的网友回答:
你好, CUDA是一个scalable的库,也就说它可以用到任何支持CUDA的平台。你可以装最新的版本,没有关系。 谢谢,望采纳
能同时安装不同版本的CUDA吗 ?
这相当于一台电脑安装两个不同版本JDK,使用的时候就是把nvcc 的链接换一下就行了。