導(dǎo)讀：本文主要介紹PyTorch的一些基礎(chǔ)且常用的概念和模塊，以及：

為何選擇PyTorch。

PyTorch環(huán)境的安裝與配置。

作者：吳茂貴 郁明敏 楊本法 李濤 張粵磊

來源：大數(shù)據(jù)DT（ID：bigdatadt）

PyTorch是Facebook團(tuán)隊(duì)于2017年1月發(fā)布的一個(gè)深度學(xué)習(xí)框架，雖然晚于TensorFlow、Keras等框架，但自發(fā)布之日起，其關(guān)注度就在不斷上升，目前在GitHub上的熱度已超過Theano、Caffe、MXNet等框架。

PyTorch 1.0版本推出后，增加了許多新的功能，對原有內(nèi)容進(jìn)行了優(yōu)化，并整合了Caffe2，使用更方便，大大增強(qiáng)了生產(chǎn)性，所以其熱度也迅速上升。

PyTorch采用Python語言接口來實(shí)現(xiàn)編程，非常容易上手。它就像帶GPU的Numpy，與Python一樣都屬于動(dòng)態(tài)框架。

PyTorch繼承了Torch靈活、動(dòng)態(tài)的編程環(huán)境和用戶友好的界面，支持以快速和靈活的方式構(gòu)建動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，還允許在訓(xùn)練過程中快速更改代碼而不妨礙其性能，支持動(dòng)態(tài)圖形等尖端AI模型的能力，是快速實(shí)驗(yàn)的理想選擇。

01 為何選擇PyTorch？

PyTorch是一個(gè)建立在Torch庫之上的Python包，旨在加速深度學(xué)習(xí)應(yīng)用。它提供一種類似Numpy的抽象方法來表征張量（或多維數(shù)組），可以利用GPU來加速訓(xùn)練。由于 PyTorch 采用了動(dòng)態(tài)計(jì)算圖（Dynamic Computational Graph）結(jié)構(gòu)，且基于tape的Autograd系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)。

其他很多框架，比如TensorFlow（TensorFlow2.0也加入了動(dòng)態(tài)網(wǎng)絡(luò)的支持）、Caffe、CNTK、Theano等，采用靜態(tài)計(jì)算圖。

使用PyTorch，通過一種稱為Reverse-mode auto-differentiation（反向模式自動(dòng)微分）的技術(shù)，可以零延遲或零成本地任意改變你的網(wǎng)絡(luò)的行為。

Torch是PyTorch中的一個(gè)重要包，它包含了多維張量的數(shù)據(jù)結(jié)構(gòu)以及基于其上的多種數(shù)學(xué)操作。

自2015年谷歌開源TensorFlow以來，深度學(xué)習(xí)框架之爭越來越激烈，全球多個(gè)看重AI研究與應(yīng)用的科技巨頭均在加大這方面的投入。PyTorch從2017年年初發(fā)布以來，可謂是異軍突起，短時(shí)間內(nèi)取得了一系列成果，成為明星框架。

最近PyTorch進(jìn)行了一些較大的版本更新，0.4版本把Varable與Tensor進(jìn)行了合并，并增加了對Windows的支持。1.0版本增加了即時(shí)編譯（Justintimecompilation，JIT，彌補(bǔ)了研究與生產(chǎn)的部署的差距）、更快的分布式、C++擴(kuò)展等。

目前，PyTorch 1.0 穩(wěn)定版已發(fā)布，該版本從Caffe2和ONNX移植了模塊化和產(chǎn)品導(dǎo)向的功能，并將這些功能和PyTorch已有的靈活、專注研究的特性相結(jié)合。PyTorch 1.0中的技術(shù)已經(jīng)讓很多Facebook的產(chǎn)品和服務(wù)變得更強(qiáng)大，包括每天執(zhí)行60億次的文本翻譯。

PyTorch由4個(gè)主要的包組成：

• torch：類似于Numpy的通用數(shù)組庫，可將張量類型轉(zhuǎn)換為torch.cuda.TensorFloat，并在GPU上進(jìn)行計(jì)算。

• torch.autograd：用于構(gòu)建計(jì)算圖形并自動(dòng)獲取梯度的包。

• torch.nn：具有共享層和損失函數(shù)的神經(jīng)網(wǎng)絡(luò)庫。

• torch.optim：具有通用優(yōu)化算法（如SGD、Adam等）的優(yōu)化包。

02 安裝配置

安裝PyTorch時(shí)，請核查當(dāng)前環(huán)境是否有GPU，如果沒有，則安裝CPU版；如果有，則安裝GPU版本的。

1. 安裝CPU版PyTorch

安裝CPU版的PyTorch比較簡單，由于PyTorch是基于Python開發(fā)，所以如果沒有安裝Python需要先安裝，然后再安裝PyTorch。具體步驟如下：

1）下載Python：安裝Python建議采用Anaconda方式安裝，先從Anaconda的官網(wǎng)(https://www.anaconda.com/distribution)，下載Anaconda3的最新版本，如圖2-1所示，如Anaconda3-5.0.1-Linux-x86_64.sh，建議使用3系列，3系列代表未來發(fā)展。另外，根據(jù)下載時(shí)自己的環(huán)境，選擇操作系統(tǒng)等。

▲圖2-1 下載Anaconda界面

2）在命令行執(zhí)行如下命令，開始安裝Python：

Anaconda3-2019.03-Linux-x86_64.sh

3）接下來根據(jù)安裝提示，直接按回車即可。其間會提示選擇安裝路徑，如果沒有特殊要求，可以按回車使用默認(rèn)路徑（~/ anaconda3），然后就開始安裝。

4）安裝完成后，程序會提示是否把Anaconda3的binary路徑加入當(dāng)前用戶的.bashrc配置文件中，建議添加。添加以后，就可以使用Python、IPython命令時(shí)自動(dòng)使用Anaconda3的Python環(huán)境。

5）安裝PyTorch：

登錄PyTorch官網(wǎng)（PyTorch.org），登錄后，可看到圖2-2所示界面，然后選擇對應(yīng)項(xiàng)。

▲圖2-2 PyTorch安裝界面

把第⑥項(xiàng)內(nèi)容復(fù)制到命令行，執(zhí)行即可進(jìn)行安裝。

conda?install?PyTorch-cpu?torchvision-cpu?-c?PyTorch

6）驗(yàn)證安裝是否成功：

啟動(dòng)Python，然后執(zhí)行如下命令，如果沒有報(bào)錯(cuò)，說明安裝成功！

2. 安裝GPU版PyTorch

安裝GPU版本的PyTorch稍微復(fù)雜一點(diǎn)，除需要安裝Python、PyTorch外，還需要安裝GPU的驅(qū)動(dòng)（如英偉達(dá)的NVIDIA）及CUDA、cuDNN計(jì)算框架，主要步驟如下：

1）安裝NVIDIA驅(qū)動(dòng)。

下載地址：

https://www.nvidia.cn/Download/index.aspx?lang=cn

登錄可以看到界面如圖2-3所示。

▲圖2-3 NVIDIA的下載界面

選擇產(chǎn)品類型、操作系統(tǒng)等，然后點(diǎn)擊“搜索”按鈕，進(jìn)入下載界面。

安裝完成后，在命令行輸入“nvidia-smi”，用來顯示GPU卡的基本信息，如果出現(xiàn)圖2-4所示界面，則說明安裝成功。如果報(bào)錯(cuò)，則說明安裝失敗，請搜索其他安裝驅(qū)動(dòng)的方法。

▲圖2-4 顯示GPU卡的基本信息

2）安裝CUDA。

CUDA（Compute Unified Device Architecture），是英偉達(dá)公司推出的一種基于新的并行編程模型和指令集架構(gòu)的通用計(jì)算架構(gòu)，它能利用英偉達(dá)GPU的并行計(jì)算引擎，比CPU更高效地解決許多復(fù)雜計(jì)算任務(wù)。安裝CUDA Driver時(shí)，其版本需與NVIDIA GPU Driver的版本一致，這樣CUDA才能找到顯卡。

3）安裝cuDNN。

NVIDIA cuDNN是用于深度神經(jīng)網(wǎng)絡(luò)的GPU加速庫。注冊NVIDIA并下載cuDNN包，獲取地址為

https://developer.nvidia.com/rdp/cudnn-archive

4）安裝Python及PyTorch。

這步與本書2.2.1節(jié)安裝CPU版PyTorch相同，只是選擇CUDA時(shí)，不是None，而是對應(yīng)CUDA的版本號，如圖2-5所示。

▲圖2-5 安裝GPU版PyTorch

5）驗(yàn)證。

驗(yàn)證PyTorch安裝是否成功與本書2.2.1節(jié)一樣，如果想進(jìn)一步驗(yàn)證PyTorch是否在使用GPU，可以運(yùn)行下面這一段測試GPU的程序test_gpu.py，如果成功的話，可以看到如圖2-6的效果。

#cat?test_gpu.py import?torchif?__name__?==?'__main__':#測試?CUDAprint("Support?CUDA??:?",?torch.cuda.is_available())x?=?torch.tensor([10.0])x?=?x.cuda()print(x)y?=?torch.randn(2,?3)y?=?y.cuda()print(y)z?=?x?+?yprint(z)#?測試?CUDNNfrom?torch.backends?import?cudnnprint("Support?cudnn??:?",cudnn.is_acceptable(x))

在命令行運(yùn)行以下腳本：

python?test_gpu.py

如果可以看到如圖2-6或圖2-7所示的結(jié)果，則說明GPU版PyTorch安裝成功！

▲圖2-6 運(yùn)行test_gpu.py的結(jié)果

在命令行運(yùn)行：nvidia-smi，可以看到如圖2-7所示的界面。

▲圖2-7 含GPU進(jìn)程的顯卡信息

03 Jupyter Notebook環(huán)境配置

Jupyter Notebook是目前Python比較流行的開發(fā)、調(diào)試環(huán)境，此前被稱為IPython notebook。它以網(wǎng)頁的形式打開，可以在網(wǎng)頁頁面中直接編寫和運(yùn)行代碼，代碼的運(yùn)行結(jié)果（包括圖形）也會直接顯示，如在編程過程中添加注釋、目錄、圖像或公式等內(nèi)容。Jupyter Notebook有以下特點(diǎn)：

• 編程時(shí)具有語法高亮、縮進(jìn)、Tab補(bǔ)全的功能。

• 可直接通過瀏覽器運(yùn)行代碼，同時(shí)在代碼塊下方展示運(yùn)行結(jié)果。

• 以富媒體格式展示計(jì)算結(jié)果。富媒體格式包括：HTML、LaTeX、PNG、SVG等。

• 對代碼編寫說明文檔或語句時(shí)，支持Markdown語法。

• 支持使用LaTeX編寫數(shù)學(xué)性說明。

接下來介紹配置Jupyter Notebook的主要步驟。

1）生成配置文件。

jupyter?notebook?--generate-config

執(zhí)行上述代碼，將在當(dāng)前用戶目錄下生成文件：.jupyter/jupyter_notebook_config.py

2）生成當(dāng)前用戶登錄Jupyter密碼。

打開Ipython，創(chuàng)建一個(gè)密文密碼。

In [1]:?

from?notebook.auth?import?passwd

In [2]:?

passwd() Enter?password:? Verify?password:?

3）修改配置文件。

vim?~/.jupyter/jupyter_notebook_config.py

進(jìn)行如下修改：

c.NotebookApp.ip='*'?#?就是設(shè)置所有ip皆可訪問 c.NotebookApp.password?=?u'sha:ce...剛才復(fù)制的那個(gè)密文' c.NotebookApp.open_browser?=?False?#?禁止自動(dòng)打開瀏覽器 c.NotebookApp.port?=8888?#這是缺省端口，也可指定其他端口

4）啟動(dòng)Jupyter Notebook。

#后臺啟動(dòng)jupyter：不記日志： nohup?jupyter?notebook?>/dev/null?2>&1?&

在瀏覽器上，輸入IP:port，即可看到與圖2-8類似的界面。

▲圖2-8 Jupyter Notebook網(wǎng)頁界面

接下來就可以在瀏覽器進(jìn)行開發(fā)調(diào)試PyTorch、Python等任務(wù)了。

關(guān)于作者：吳茂貴，資深大數(shù)據(jù)和人工智能技術(shù)專家，就職于中國外匯交易中心，在BI、數(shù)據(jù)挖掘與分析、數(shù)據(jù)倉庫、機(jī)器學(xué)習(xí)等領(lǐng)域工作超過20年。在基于Spark、TensorFlow、PyTorch、Keras等的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面有大量的工程實(shí)踐實(shí)踐。

郁明敏，資深商業(yè)分析師，從事互聯(lián)網(wǎng)金融算法研究工作，專注于大數(shù)據(jù)、機(jī)器學(xué)習(xí)以及數(shù)據(jù)可視化的相關(guān)領(lǐng)域，擅長 Python、Hadoop、Spark 等技術(shù)，擁有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)。

楊本法，高級算法工程師，在流程優(yōu)化、數(shù)據(jù)分析、數(shù)據(jù)挖掘等領(lǐng)域有10余年實(shí)戰(zhàn)經(jīng)驗(yàn)，熟悉Hadoop和Spark技術(shù)棧。有大量工程實(shí)踐經(jīng)驗(yàn)。

李濤，資深A(yù)I技術(shù)工程師，對PyTorch、Caffe、TensorFlow等深度學(xué)習(xí)框架以及計(jì)算機(jī)視覺技術(shù)有深刻的理解和豐富的實(shí)踐經(jīng)驗(yàn)。

張粵磊，資深大數(shù)據(jù)技術(shù)專家，飛谷云創(chuàng)始人，有10余年一線數(shù)據(jù)數(shù)據(jù)挖掘與分析實(shí)戰(zhàn)經(jīng)驗(yàn)。先后在咨詢、金融、互聯(lián)網(wǎng)行業(yè)擔(dān)任大數(shù)據(jù)平臺的技術(shù)負(fù)責(zé)人或架構(gòu)師。

本文摘編自《Python深度學(xué)習(xí)：基于PyTorch》，經(jīng)出版方授權(quán)發(fā)布。

延伸閱讀《Python深度學(xué)習(xí)：基于PyTorch》

點(diǎn)擊上圖了解及購買

轉(zhuǎn)載請聯(lián)系微信：DoctorData

推薦語：本書是多位人工智能技術(shù)專家和大數(shù)據(jù)技術(shù)專家多年工作經(jīng)驗(yàn)的結(jié)晶，從工具使用、技術(shù)原理、算法設(shè)計(jì)、案例實(shí)現(xiàn)等多個(gè)維度對深度學(xué)習(xí)進(jìn)行了系統(tǒng)的講解。內(nèi)容選擇上，廣泛涉獵、重點(diǎn)突出、注重實(shí)戰(zhàn)；內(nèi)容安排上，實(shí)例切入、由淺入深、循序漸進(jìn)；表達(dá)形式上，深度抽象、化繁為簡、用圖說話。

「大數(shù)據(jù)」內(nèi)容合伙人之「鑒書小分隊(duì)」上線啦！

最近，你都在讀什么書？有哪些心得體會想要跟大家分享？

數(shù)據(jù)叔最近搞了個(gè)大事——聯(lián)合優(yōu)質(zhì)圖書出版商機(jī)械工業(yè)出版社華章公司發(fā)起鑒書活動(dòng)。

簡單說就是：你可以免費(fèi)讀新書，你可以免費(fèi)讀新書的同時(shí)，順手碼一篇讀書筆記就行。詳情請?jiān)诖髷?shù)據(jù)公眾號后臺對話框回復(fù)合伙人查看。

有話要說????

Q:?你的PyTorch設(shè)置好了嗎？

歡迎留言與大家分享

猜你想看????

• 天貓雙11、12306怎樣扛住流量高峰“集中轟炸”？一文全揭秘！

• 87萬人已開通5G套餐！8本書，給你劇透未來科技

• PaaS、DevOps、OpenShift與業(yè)務(wù)中臺的實(shí)現(xiàn)

• 最后一個(gè)韓國人將在公元2750年死亡？人口學(xué)家：沒希望了

更多精彩????

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

PPT?|?報(bào)告?|?讀書?|?書單?|?干貨?

大數(shù)據(jù)?|?揭秘?|?Python?|?可視化

AI?|?人工智能?|?5G?|?中臺

機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?神經(jīng)網(wǎng)絡(luò)

合伙人?|?1024?|?段子?|?數(shù)學(xué)

?

覺得不錯(cuò)，請把這篇文章分享給你的朋友

轉(zhuǎn)載 / 投稿請聯(lián)系：baiyu@hzbook.com

更多精彩，請?jiān)诤笈_點(diǎn)擊“歷史文章”查看

?

總結(jié)

以上是生活随笔為你收集整理的很火的深度学习框架PyTorch怎么用？手把手带你安装配置的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。