这里写目录标题

第一章 PyTorch的简介和安装
- △ 软件安装
- - ○ 安装系统
  - ○ Anaconda的安装
  - ○ 查看显卡
  - ○ 安装PyTorch
  - ○ PyCharm安装
  - ○ VSCode安装
  - ○ Jupyter Notebook
- △ PyTorch学习资源
第二章 PyTorch基础知识
- △ 张量
- - ○ 张量演示
  - - · 创建张量
    - · 张量的基本操作
    - ·

又开了个新坑，希望能慢慢填上。。。
继吃瓜教程之后，我在dataWhale家又报名了深入浅出Pytorch入门这个课程，希望能在学习理论的同时做一些实践性的工作。

下面是教程的b站链接

→→→深入浅出Pytorch

教程的网页版

→→→深入浅出PyTorch

❤ 2022.8.15 ❤

第一章 PyTorch的简介和安装

简介就不说了，直接安装。

△ 软件安装

开发环境分为windows和linux，我准备给装个双系统，然后专门用来做机器学习相关的工作。

所以从装系统开始。

我找到了这篇文章对于如何安装双系统有详细的讲解

→→→windows10安装ubuntu双系统教程（绝对史上最详细）

○ 安装系统

根据文章描述先要确定自己的情况

我属于情况 D UEFI新式bios+双硬盘（SSD固态硬盘+机械硬盘）
于是按照文章的提示

好，先分区

然后装win10，我打算先把windows下安装Pytorch捣鼓明白了再搞Linux，所以这里预留出来，以后再装Ubuntu

居然出现了蓝屏。。。

看来这个电脑确实有点问题，要不我就不管固态了，直接在机械硬盘里安装吧

分区

安装之后还是不行。

我查了一下，可能是BIOS中设置的UEFI引导，但是磁盘是MBR格式，但是查看了一下并不是
那可能是两个磁盘都有引导分区，电脑无法识别
我把分区都删了重新建立试试

果然，可以了

总结一下，这个电脑之前被人重装过系统，本来原装系统装在固态硬盘里面，但是别人重装系统的时候，因为对电脑不了解，于是装在了机械硬盘里，但是却没有删除固态硬盘里的引导信息。
然后我重装的时候又在固态里面装了一遍，于是就变成了固态硬盘和机械硬盘都有引导信息，于是启动的时候系统没发判断从哪里启动，就出问题了。

不过这次我在固态硬盘中预留了一些空间，以后装ubuntu的话应该也可以

好了，现在正常安装系统到桌面。

然后装一些驱动和软件。

糟糕！还是蓝屏！
看来问题比我想象的更严重。。。
虽然已经不属于安装Pytorch的问题了，但是我依然得试着去解决

现在怀疑的问题来源有：
硬件问题
驱动问题（因为有两次都是在用驱动精灵安装驱动后发生的蓝屏）
系统镜像问题

首先用最经典的“最小系统法”，只安装能让系统正常启动的最少的硬件，然后换一款别的硬盘，重装系统。。。

重装系统后先不着急装驱动，安装几个常用软件试试

装了几个软件没问题。

又用驱动精灵装了几个提示有问题的驱动，没问题。

第二条内存装上，没问题。

然后装上显卡，用驱动精灵装驱动，没问题。

总结一下，我觉得问题应该是机械硬盘的原因，我在拆硬盘的时候硬盘特别烫，估计蓝屏是因为刚开始硬盘没有那么热，所以可以正常用，但是一到装软件的时候硬盘温度上来，就开始不断蓝屏死机。

好吧，折腾了一天，终于破案了，下面开始正常装Pytorch吧。

○ Anaconda的安装

根据视频的介绍，Anaconda的作用大概就是能建立好几个独立的环境配置用来完成不同的工作，之间互不影响，并且继承了很多实用的package，安装使用很方便。

在Anaconda的官网

→→→https://www.anaconda.com/

下载，安装。

安装完成，打开这个

〇 查看现存虚拟环境

conda evn list

〇 创建虚拟环境

conda create -n env_name python==version

这里我新建一个叫“PyTorchLearning”的虚拟环境，选择python 3.9版本

conda create -n PyTorchLearning python==3.9

完成之后显示如图

一些操作指令：
安装包
conda install package_name
卸载包
conda remove package_name
显示所有安装的包
conda list
删除虚拟环境命令
conda remove -n env_name --all
激活环境命令
conda activate env_name
退出当前环境
conda deactivate

更多指令可见官网
→→→Command reference

〇换源
PIP换源：
我就直接贴了，因为目前都是在windows下操作，所以就只贴windows的了

1、文件管理器文件路径地址栏敲：%APPDATA% 回车，快速进入 C:\Users\电脑用户\AppData\Roaming 文件夹中
2、新建 pip 文件夹并在文件夹中新建 pip.ini 配置文件
3、我们需要在pip.ini 配置文件内容，我们可以选择使用记事本打开，输入以下内容，并按下ctrl+s保存，在这里我们使用的是豆瓣源为例子。

[global]
index-url = http://pypi.douban.com/simple
[install]
use-mirrors =true
mirrors =http://pypi.douban.com/simple/
trusted-host =pypi.douban.com

conda换源：

Windows 用户无法直接创建名为 .condarc 的文件，可先执行conda config --set show_channel_urls yes生成该文件之后再修改。

conda config --set show_channel_urls yesconda config --set show_channel_urls yes

打开C:\Users\User_name.condarc这个文件

打开后将文件里原始内容删除，将下面的内容复制进去并保存。

channels:- defaults
show_channel_urls: true
default_channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

我们可以通过conda config --show default_channels检查下是否换源成功，如果出现下图内容，即代表我们换源成功。

这一步完成后，我们需要打开Anaconda Prompt 运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

○ 查看显卡

有英伟达显卡的电脑需要这一步。
在命令提示符（CMD）中，输入

nvidia-smi

我遇到过安装完显卡驱动之后直接输入这个指令提示无效的情况

这个时候需要在命令提示符窗口中进入C:\Program Files\NVIDIA Corporation目录，然后再执行该命令

执行结果如下

可以看到支持CUDA 11.4

驱动版本与CUDA版本对照表

○ 安装PyTorch

打开PyTorch官网

→→→https://pytorch.org/

Install

因为刚刚查看驱动版本支持到CUDA 11.4，所以这里选择11.3吧

根据网页提示，安装指令是
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

〇 在线下载
为了方便，或者说偷懒，这里用在线下载的方式。
先要用conda activate env_name激活虚拟环境

conda activate PyTorchLearning

所以指令为

conda install pytorch torchvision torchaudio cudatoolkit=11.3

他说没找到包，我还是用官网地址试试吧

官网可以，继续

挺大的

还好吧，下的挺快的

好了

〇 检验安装是否成功
在虚拟环境中输入python

然后输入

import torch
torch.cuda.is_available()

返回True，说明安装成功，返回False也说明安装成功，只是不能用CUDA，如果报错了就说明没装成功。

PyTorch安装完毕，虽然电脑出了一些问题，但是软件安装的还挺顺利的。

○ PyCharm安装

PyCharm和VSCode我也不知道哪个好用，就都装了吧。

〇 下载安装
打开PyCharm官网

→→→https://www.jetbrains.com/pycharm/

〇 配置环境
打开PyCharm，新建一个工程

这里选什么呢？

我猜这里应该选conda

这里大概是选择**_conda.exe这个文件

然后create
来到主界面

配置过程：
file→setting。。。

Project：你的项目名称→Python Interpreter

这个是默认环境，选择Add Interpreter→Add Local Interpreter**

点击Conda Environment ，将Interpreter设置为PyTorchLearning环境下的python.exe

注：如果在pycharm的环境时，想进入我们的虚拟环境，要使用conda activate 名称
※ 这句话我没太理解，是在PyCharm里面输入，还是在conda的命令行里输入？

○ VSCode安装

听说VSCode可以远程调试，这不正是我想要的么！
打开VSCode官网

→→→https://code.visualstudio.com/

下载安装。
下的真慢。。。
用IDM都这么慢。。。

至于VSCode怎么配置，我还不太清楚，等以后弄懂了再补上。

○ Jupyter Notebook

这是个web软件，在文本教程里面没有提到，但是在视频讲解里面主讲人用它来演示，我查了些资料，其实这个软件会随Anaconda一起安装，只要直接运行就可以了。

→→→史上最详细、最完全的jupyter notebook使用教程，Python使用者必备！

在Anaconda的命令提示符下运行

Jupyter notebook

会在浏览器打开如下界面

这些文件夹是当前用户文件夹下的文件夹，如果要改变的话，需要先新建好相应文件夹然后在Anaconda提示符下进入相应文件夹，再运行jupyter notebook

※ 注意退出的时候要点击Quit，不要直接关闭网页

新建

打开如下编辑界面

△ PyTorch学习资源

Awesome-pytorch-list：目前已获12K Star，包含了NLP,CV,常见库，论文实现以及Pytorch的其他项目。

→→→Awesome-pytorch-list

PyTorch官方文档：官方发布的文档，十分丰富。

→→→PyTorch官方文档

Pytorch-handbook：GitHub上已经收获14.8K，pytorch手中书。

→→→Pytorch-handbook

PyTorch官方社区：PyTorch拥有一个活跃的社区，在这里你可以和开发pytorch的人们进行交流。

→→→PyTorch官方社区

PyTorch官方tutorials：官方编写的tutorials，可以结合colab边动手边学习

→→→PyTorch官方tutorials

动手学深度学习：动手学深度学习是由李沐老师主讲的一门深度学习入门课，拥有成熟的书籍资源和课程资源，在B站，Youtube均有回放。

→→→动手学深度学习

Awesome-PyTorch-Chinese：常见的中文优质PyTorch资源

→→→Awesome-PyTorch-Chinese

❤ 2022.8.18 ❤

第二章 PyTorch基础知识

△ 张量

scalar：标量
vector：向量
matrix：矩阵
tensor：张量

张量是一个统称

○ 张量演示

使用Jupyter Notebook
首先打开Anaconda prompt，输入jupyter notebook打开网页程序，然后输入

import torch

但是报错了

我想了一下，我直接打开jupyter应该是在base环境下运行的，所以要先激活装有PyTorch的环境

conda activate PyTorchLearning

再输入jupyter notebook
但是报错了

看来新环境里并没有安装jupyter notebook
查了下资料

→→→关于 Jupyter Notebook 中 No module named ‘torch‘ 的解决办法

重装一下
在装有pytorch的环境里

conda install ipython
conda install jupyter

就可以了

在jupyter中查看tensor的定义

· 创建张量

tensor(data, *, dtype=none, device=None，requires_grad=false, pin_memory=False)
参数定义：
data：张量里面的量
*：一些其他的量
dtype：张量的类型
device：运算设备（下一讲再讲）
equires_grad：是否允许求导
pin_memory：是否放到内存中（空间换时间）

〇 最基本的张量

a = torch.tensor(1.0, dtype=torch.float)
b = torch.tensor(1, dtype=torch.long)
c = torch.tensor(1.0, dtype=torch.int8)

〇 指定类型的张量

d = torch.FloatTensor(2,3)
e = torch.IntTensor(2)
f = torch.IntTensor([1,2,3,4])
print(d,'\n',e,'\n',f)

怎么我和视频里不一样。。。

〇常见的构造tensor的函数

k = torch.rand(2,3)
l = torch.ones(2,3)
m = torch.zeros(2,3)
n = torch.arange(0,10,2)
print(k,'\n',l,'\n',m,'\n',n)

※ 注意arange函数的区间是左闭右开

· 张量的基本操作

〇 Tensor和numpy之间的相互转换

import numpy as npg = np.array([[1,2,3],[4,5,6]])
h = torch.tensor(g)
print(h)
i = torch.from_numpy(g)
j = h.numpy()
print(j)

·

PyTorch学习笔记（一）相关推荐

PyTorch 学习笔记（六）：PyTorch hook 和关于 PyTorch backward 过程的理解 call
您的位置首页 PyTorch 学习笔记系列 PyTorch 学习笔记(六):PyTorch hook 和关于 PyTorch backward 过程的理解发布: 2017年8月4日 7,195阅读 ...
pytorch学习笔记（二）：gradien
pytorch学习笔记(二):gradient 2017年01月21日 11:15:45 阅读数:17030
PyTorch学习笔记(二)——回归
PyTorch学习笔记(二)--回归本文主要是用PyTorch来实现一个简单的回归任务. 编辑器:spyder 1.引入相应的包及生成伪数据 import torch import torch.nn ...
pytorch 学习笔记目录
1 部分内容 pytorch笔记 pytorch模型中的parameter与buffer_刘文巾的博客-CSDN博客 pytorch学习笔记 torchnn.ModuleList_刘文巾的博客-CSD ...
pytorch学习笔记 torchnn.ModuleList
1 nn.ModuleList原理 nn.ModuleList,它是一个储存不同 module,并自动将每个 module 的 parameters 添加到网络之中的容器. 你可以把任意 nn.Mod ...
深度学习入门之PyTorch学习笔记：卷积神经网络
深度学习入门之PyTorch学习笔记绪论 1 深度学习介绍 2 深度学习框架 3 多层全连接网络 4 卷积神经网络 4.1 主要任务及起源 4.2 卷积神经网络的原理和结构 4.2.1 卷积层 1. ...
深度学习入门之PyTorch学习笔记：多层全连接网络
深度学习入门之PyTorch学习笔记绪论 1 深度学习介绍 2 深度学习框架 3 多层全连接网络 3.1 PyTorch基础 3.2 线性模型 3.2.1 问题介绍 3.2.2 一维线性回归 3.2 ...
深度学习入门之PyTorch学习笔记：深度学习框架
深度学习入门之PyTorch学习笔记绪论 1 深度学习介绍 2 深度学习框架 2.1 深度学习框架介绍 2.1.1 TensorFlow 2.1.2 Caffe 2.1.3 Theano 2.1.4 ...
深度学习入门之PyTorch学习笔记：深度学习介绍
深度学习入门之PyTorch学习笔记:深度学习介绍绪论 1 深度学习介绍 1.1 人工智能 1.2 数据挖掘.机器学习.深度学习 1.2.1 数据挖掘 1.2.2 机器学习 1.2.3 深度学习第 ...
深度学习入门之PyTorch学习笔记
深度学习入门之PyTorch学习笔记绪论 1 深度学习介绍 2 深度学习框架 3 多层全连接网络 4 卷积神经网络 5 循环神经网络 6 生成对抗网络 7 深度学习实战参考资料绪论深度学习如今 ...

PyTorch学习笔记（一）