一）pytorch框架与环境搭建_一）pytorch框架与环境搭建

一，初识pytorch框架

为什么选择pytorch?

• 活跃度高，逐渐形成完整的开发生态，资源多
• 动态图结构，运行速度较快
• 代码简洁，易于理解调试
• 简单，学习成本低

可能遇到的问题：

• 深度学习框架太多要如何选择？
• 开源代码很多家，但阅读修改起来非常的吃力
• 解决实际工程任务时，思路不清晰，不知道如何下手
• 学术方向选择困难，不知从何开始

本课程：聚焦实操+工程+学术探讨

课程目标：

熟练掌握pytorch框架基础和API

• 框架相关概念
• 搭建基本网络结构
• 调参方法和技巧

熟练搭建卷积神经网络/循环神经网络

• CNN项目实战
• RNN项目实战
• GAN项目实战

掌握调参技巧和深刻理解ML思想

• 模型保存和部署等
• 调参技巧
• 优化思想
• ……

需要补充线性代数，优化理论，机器学习以及深度学习的基础

PyTorch与Tensorflow的对比：

Pytorch

• 更加简洁，编程同python基本一致
• 动态计算图 （一边编程一边运行）但是动态图的训练效率较低
• Visdom
• 部署不方便

入门简单

Tensorflow1.0

• 接口复杂
• 静态图（TF2.0 Eager EXecution已经引入了动态图）（必须先搭建好才可以运行）
• Tensorboard
• 部署相对方便，有TF serving

初学，科研项目，研究算法等建议使用pytorch；如果是要做大的工程项目，需要考虑资源消耗，最好使用tensorflow

静态图与动态图：

动态图：编好程序即可执行

静态图：先搭建好计算图，后运行；允许编译器进行优化。静态图的问题就是代码编程复杂，调试不直观

完成相同操作二者的区别：
（但tensorflow2集成了keras应该会简单许多）

二，环境安装配置

安装步骤：

1，Ubuntu 16.04注意事项

• 为什么选择Ubuntu（算法工程师尽量使用linux）
• 安装双系统，不要使用虚拟机（虚拟机不能用GPU）
• 有条件尽量使用高配
• 可以参考Win7下使用U盘安装linux Ubuntu16.04双系统图文教程-linux运维-PHP中文网

2，CUDA/cuDNN注意事项

• CUDA9.0 or. CUDA10.0 or. CUDA10.1
• cuDNN

3，python3 or. Anaconda