PyTorch 是一个流行的开源深度学习框架,由 Facebook 的 AI 研究团队开发。它提供了灵活的架构和动态计算图,使得深度学习模型的开发变得更加简单和高效。

安装 PyTorch

在安装 PyTorch 之前,请确保你的系统中已安装 Python。以下是在不同操作系统上安装 PyTorch 的步骤:

  • Windows:
    • 打开命令行工具,输入 pip install torch torchvision torchaudio
  • Linux:
    • 打开终端,输入 pip install torch torchvision torchaudio
  • macOS:
    • 打开终端,输入 pip install torch torchvision torchaudio

PyTorch 的基本概念

张量 (Tensor)

在 PyTorch 中,所有数据都是以张量的形式存储的。张量类似于多维数组,可以存储任何类型的数据,如整数、浮点数等。

自动微分 (Autograd)

PyTorch 的自动微分功能使得计算梯度变得非常简单。只需将函数应用于张量,PyTorch 就会自动计算梯度。

模型构建

PyTorch 提供了丰富的神经网络模块,可以轻松构建各种深度学习模型。

示例:构建一个简单的神经网络

以下是一个使用 PyTorch 构建简单神经网络的示例:

import torch
import torch.nn as nn
import torch.optim as optim

# 定义网络结构
class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(784, 128)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

# 实例化网络
net = SimpleNet()

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 训练网络
for epoch in range(2):
    optimizer.zero_grad()
    output = net(torch.randn(64, 784))
    loss = criterion(output, torch.randint(0, 10, (64,)))
    loss.backward()
    optimizer.step()

扩展阅读

图片展示

PyTorch Logo