PyTorch深度学习

PyTorch简介和Pytorch 2.0的特点：

Anaconda编程环境管理

在NVIDIA控制面板中可以查看驱动版本号，如本例是546.33;

下载哪个版本可以到NVIDIA官网查看，所以最高只能装CUDA 12.3,也就是12.3以下的都可以；

安装PyTorch：使用PIP的方法比较简单

CPU版本安装：pip install torch==1.3.0+cpu torchvision==0.4.1+cpu-f https://download.pytorch.org/whl/torch_stable.html

GPU版本安装：pip install torch==1.3.0 torchvision==0.4.1 -f https://download.pytorch.org/whl/torch_stable.html (默认是CUDA10版本）

import torch 
torch.__version__    #输出结果 1.3.0+cpu  

配置和安装cuda、cuDNN可参考1和参考2;

常用的几款集成开发环境：

主要有Jupyter Notebook、vs code、Pycharm、Vim等。

Jupyter Notebook集成开发环境关联自己的虚拟环境

打开Jupyter Notebook【Anaconda软件自带功能】后在右上角可以选择编译器，如选python3；注：如果import torch运行测试代码报错，说明Pytorch版本较老，可以安装较新的版本，安装以后在新版本虚拟环境的命令行中运行Jupyter Notebook

vs code集成开发环境关联自己的虚拟环境

1、安装Python扩展

2、安装完python扩展以后，重启Vs code启动的是系统的python，而不是我们的虚拟环境中的python，在输入解释器路径中找到conda虚拟环境的python即可。

3、使用的是虚拟环境myenv中的python，测试torch代码运行正确。

神经网络的层级结构

神经网络的pytorch API介绍