本文将为您介绍如何在您的计算机上搭建 PyTorch 环境。PyTorch 是一个流行的开源机器学习库，广泛应用于深度学习领域。

系统要求

  • 操作系统：Windows、macOS 或 Linux
  • Python 版本：Python 3.6 或更高版本

安装步骤

  1. 安装 Python：确保您的计算机上已安装 Python 3.6 或更高版本。您可以从 Python 官网 下载并安装。

  2. 安装 PyTorch：前往 PyTorch 官网，根据您的操作系统和 Python 版本选择合适的安装包。

  3. 安装 CUDA（可选）：如果您想使用 GPU 加速，需要安装 CUDA。请参考 PyTorch 安装指南。

  4. 验证安装：在命令行中运行以下命令，检查 PyTorch 是否已成功安装：

python -c "import torch; print(torch.__version__)"

示例代码

以下是一个简单的 PyTorch 示例代码，用于创建一个神经网络并对其进行训练：

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

# 创建一个简单的神经网络
class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(10, 50)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(50, 1)

    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.MSELoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 模拟一些数据
x = torch.randn(10, 10)
y = torch.randn(10, 1)

# 训练网络
for epoch in range(100):
    optimizer.zero_grad()
    output = net(x)
    loss = criterion(output, y)
    loss.backward()
    optimizer.step()

    if (epoch + 1) % 10 == 0:
        print(f'Epoch [{epoch + 1}/100], Loss: {loss.item():.4f}')

# 查看模型参数
print(net.fc1.weight)

扩展阅读

如果您想了解更多关于 PyTorch 的内容，可以访问以下链接：

希望这份教程能帮助您成功搭建 PyTorch 环境！🎉

PyTorch Logo