PyTorch的簡介
pytorch是一個python優先的深度學習框架，是一個和tensorflow，Caffe，MXnet一樣，非常底層的框架。
Torch官網：https://pytorch.org/
Torch官網的gitHub：https://github.com/torch/torch7
pypi torch : https://pypi.org/project/torch/
Torch 自稱爲神經網絡界的 Numpy, 因爲他能將 torch 產生的 tensor 放在 GPU 中加速運算 (前提是你有合適的 GPU), 就像 Numpy 會把 array 放在 CPU 中加速運算. 所以神經網絡的話, 當然是用 Torch 的 tensor 形式數據最好。 就像 Tensorflow 當中的 tensor 一樣。pytorch是一個動態的建圖的工具。不像Tensorflow那樣，先建圖，然後通過feed和run重複執行建好的圖。相對來說，pytorch具有更好的靈活性。
如圖所示，Torch已經實現了很多庫，比如ML、RL等
(1)、比如查詢BatchNormalization算法的實現
1、pytorch的三大優勢
(1)、Python優先支持策略：Pytorch主推的特性之一，就是支持python（官方的提法：puts Python first）。因爲直接構建自 Python C API，Pytorch從細粒度上直接支持python的訪問。相比於原生Python實現，引入的新概念很少，這不僅降低了 python 用戶理解的門檻，也能保證代碼基本跟原生的 python 實現一致。事實上，開發者可以直接用原生 python 代碼擴展 Pytorch 的 operation。
(2)、動態圖的良好支持：Tensorflow運行必須提前建好靜態計算圖，然後通過feed和run重複執行建好的圖。但是Pytorch卻不需要這麼麻煩：PyTorch的程序可以在執行時動態構建/調整計算圖。相對來說，pytorch具有更好的靈活性。這得益於Pytorch直接基於 python C API 構建的 python 接口。
(3)、易於Debug：Pytorch在運行時可以生成動態圖，開發者就可以在堆棧跟蹤中看到哪一行代碼導致了錯誤。你甚至可以在調試器中停掉解釋器並看看某個層會產生什麼。
(4)、通常使用PyTorch可以使用GPU的功能代替numpy。 一個深刻的學習研究平臺，提供最大的靈活性和速度。
2、pytorch和tensorflow相互PK
在便利性和上手難度上，pytorch遠勝於tensorflow，原因是pytorch是基於動態圖，而tensorflow是基於靜態計算圖，因此pytorch能隨時打印tensor的值，但是Tensorflow需要設置回調的方法才能打印，如果想在tensorflow中想判斷一個變量的值的正確性，只能使用assert方法，這一點確實tensorflow不及pytorch，而在上手難度上pytorch也是比tensorflow容易。
PyTorch的安裝
pip install torch
pip install torch==0.4.1.post2
T1方法
git clone https://github.com/pytorch/vision
cd vision
python setup.py install
T2方法
pip3 install http://download.pytorch.org/whl/cu80/torch-0.4.0-cp36-cp36m-win_amd64.whl
pip3 install torchvision
T3方法
pip install torch-0.4.0-cp36-cp36m-win_amd64.whl
pip install torchvision
1、20181114更新版本到 torch-0.4.1
pip3 install http://download.pytorch.org/whl/cu80/torch-0.4.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision
(1)、測試
import torch
print(torch.__version__) #輸出版本信息
print(torch.cuda.is_available()) #查看是否支持cuda
PyTorch的使用方法
一、Torch運算命令
1、三行命令即可運算
二、Pytorch
1、PyTorch是一個提供兩個高級功能的python包：
具有強GPU加速度的張量計算（如numpy）
深層神經網絡建立在基於磁帶的自動調整系統上
可以重用您最喜愛的python軟件包，如numpy，scipy和Cython，以便在需要時擴展PyTorch。
2、PyTorch在細粒度級別是由以下組件組成的庫：
torch 像NumPy這樣的Tensor圖書館，擁有強大的GPU支持
torch.autograd 一種基於磁帶的自動分類庫，支持所有可區分的Tensor操作手電筒。pytorch的自動求導工具包在torch.autograd中。
torch.nn 一個神經網絡庫與autograd設計了最大的靈活性。pytorch神經網絡構建很容易，主要使用的包是torch.nn這個包，可以嘗試使用pytorch構建一個簡單的二層神經網絡結構。
torch.optim 一種與torch.nn一起使用的優化包，具有標準優化方法，如SGD，RMSProp，LBFGS，Adam等。
torch.multiprocessing python多處理，但是具有魔法內存共享的手電筒傳感器跨過程。適用於數據加載和hogwild培訓。
torch.utils DataLoader，Trainer等實用功能爲方便起見 torch.legacy（.nn / .optim） 由於向後兼容性原因，已經從割炬移植的舊代碼 。
參考文獻
PyTorch官網
PyTorch中文文檔
pytorch入門
pytorch 學習筆記(一)
Win10 Python3.6下安裝PyTorch
原文：https://blog.csdn.net/qq_41185868/article/details/80152596