Pytorch簡(jiǎn)介

Pytorch底層是Torch框架，Torch框架是一個(gè)科學(xué)計(jì)算框架，擁有一個(gè)與Numpy類(lèi)似的張量操作庫(kù)。非常靈活，但是它的語(yǔ)言是Lua，比較小眾，因此沒(méi)有廣泛流行。

后來(lái)開(kāi)發(fā)團(tuán)隊(duì)在Torch的基礎(chǔ)上包裝了一層Python的Api，使得我們可以通過(guò)Python來(lái)進(jìn)行調(diào)用。它是由Facebook的人工智能小組開(kāi)發(fā)維護(hù)的，目前在業(yè)內(nèi)也非常流行，尤其是學(xué)術(shù)界，幾乎清一色的Pytorch。它擁有兩個(gè)最大的優(yōu)點(diǎn)，一個(gè)是動(dòng)態(tài)網(wǎng)絡(luò)，像是TensorFlow等框架定義出來(lái)的神經(jīng)網(wǎng)絡(luò)是靜態(tài)的，一旦寫(xiě)死不能輕易改變。但是Pytorch我們可以零延遲地改變?nèi)魏紊窠?jīng)網(wǎng)絡(luò)。第二個(gè)有點(diǎn)是具有強(qiáng)大的GPU加速計(jì)算的工具，Pytorch的GPU加速非常好用。

另外Pytorch的語(yǔ)法更加簡(jiǎn)潔規(guī)范，更加Pythonic，學(xué)習(xí)曲線也更平穩(wěn)一些。寫(xiě)出來(lái)的代碼更加容易理解，更適合初學(xué)者。

當(dāng)然由于誕生的時(shí)間還短，并且在工業(yè)界的普及度還不如TensorFlow，所以它也有一些短板，比如一些底層的文檔不夠完善，一些功能欠缺等等。在我個(gè)人的學(xué)習(xí)和使用當(dāng)中，我的體驗(yàn)非常好，因此如果你沒(méi)有學(xué)過(guò)深度學(xué)習(xí)的框架的話(huà)，推薦使用它作為你的第一門(mén)框架。

云服務(wù)器既然是深度學(xué)習(xí)的框架，那么最好是能夠擁有GPU環(huán)境。但是對(duì)于我們大多數(shù)人而言，GPU環(huán)境并不是一個(gè)容易的事情。比如我是Mac黨，本身的機(jī)器就沒(méi)有N卡，外接也不方便。當(dāng)然沒(méi)有GPU用CPU硬肝也是可以的，不過(guò)發(fā)熱很?chē)?yán)重，對(duì)電腦也有損傷。所以，最好的辦法就是租借網(wǎng)上的GPU云服務(wù)器或者是云服務(wù)。

查看原文

因?yàn)槲沂翘匮脩?hù)，所以我拿到了內(nèi)部?jī)?yōu)惠的大師碼，如果要購(gòu)買(mǎi)其他GPU云服務(wù)器的話(huà)，可以在付款的時(shí)候輸入我的大師碼2323，可以再享受9折優(yōu)惠。

當(dāng)然你也可以購(gòu)買(mǎi)裝好環(huán)境的Notebook，或者是按照時(shí)常購(gòu)買(mǎi)。Notebook好處是預(yù)裝了各種環(huán)境，上手可用，但是缺點(diǎn)是不支持定制化，一些操作不太方便。畢竟有了云服務(wù)器可以自己搭建Notebook，但是Notebook并不支持服務(wù)器的功能。

如果你想要使用其他云服務(wù)器平臺(tái)，可以查看我之前的文章

想要學(xué)深度學(xué)習(xí)但是沒(méi)有GPU?我?guī)湍阏伊艘恍┎诲e(cuò)的平臺(tái)

環(huán)境配置為了防止一些小白租借了機(jī)器不會(huì)用，接下來(lái)提供一下配置環(huán)境的詳細(xì)教程(基于滴滴云)。如果你用的別家的服務(wù)器，由于環(huán)境不一定完全相同，所以可能并不一定適用，只能當(dāng)做參考。

總之我們整個(gè)流程是：安裝Python3，安裝jupyter，配置jupyter遠(yuǎn)程訪問(wèn)，安裝Pytorch。

這些是明面上的流程，如果機(jī)器環(huán)境不健全，還會(huì)有一些隱藏流程。比如說(shuō)普通的Linux環(huán)境需要配置apt-get，還需要下載git，wget等常用工具。如果沒(méi)有cuda驅(qū)動(dòng)的話(huà)，還需要自己安裝cuda配置。如果其中的步驟出現(xiàn)了問(wèn)題，還需要分析問(wèn)題的原因解決問(wèn)題。所以說(shuō)配置環(huán)境說(shuō)起來(lái)簡(jiǎn)單，但是實(shí)際操作的時(shí)候問(wèn)題并不少。

安裝Python3

yuminstallpython36

安裝jupyternotebook

sudopip3installipythonjupyternotebooklab

設(shè)置jupyter的密碼

jupyternotebookpassword

生成jupyternotebook的配置，這個(gè)配置默認(rèn)不存在，需要我們通過(guò)這個(gè)命令來(lái)生成。

jupyternotebook--generate-config

運(yùn)行之后，會(huì)返回配置文件所在的路徑：

我們用vim打開(kāi)，修改其中的幾行：

c.NotebookApp.ip='0.0.0.0'

c.NotebookApp.open_browser=False

c.NotebookApp.port=8888#可以自己指定

我們需要將本地的端口和遠(yuǎn)程進(jìn)行綁定，這樣我們就可以在本地打開(kāi)遠(yuǎn)程的jupyter了。這一行代碼當(dāng)中我們將本地的8899綁定了遠(yuǎn)程的8888端口。這里的8888端口就是上面配置當(dāng)中的遠(yuǎn)程的jupyter端口。

sshdc2-user@116.85.10.225-L127.0.0.1:8899:127.0.0.1:8888

如果你喜歡的話(huà)，還可以安裝一下jupyterlab

sudopip3installjupyterlab

使用方法和notebook類(lèi)似，在遠(yuǎn)程執(zhí)行命令開(kāi)啟jupyter

jupyterlab--allow-root

當(dāng)我們用完了云服務(wù)器之后，要記得刪除機(jī)器。但由于平臺(tái)機(jī)器數(shù)量有限，根據(jù)當(dāng)前平臺(tái)的設(shè)置，關(guān)機(jī)之后依然會(huì)為用戶(hù)保留資源，但是前提是需要付費(fèi)。如果你是按時(shí)租的服務(wù)器顯然不能接受自己沒(méi)在使用還需要付費(fèi)。針對(duì)這個(gè)問(wèn)題，我們可以通過(guò)快照來(lái)解決。我們?cè)陉P(guān)機(jī)之前先創(chuàng)建快照：

然后刪除云服務(wù)器，下次重新創(chuàng)建服務(wù)器的時(shí)候選擇從快照創(chuàng)建。這樣下次創(chuàng)建的機(jī)器還可以保留當(dāng)前的配置和數(shù)據(jù)，而且也不需要扣費(fèi)了。如果你嫌麻煩的話(huà)，還可以加我的微信聯(lián)系我，我?guī)湍阏业焦ぷ魅藛T加入關(guān)機(jī)免扣費(fèi)的白名單。

我們用pip安裝一下Pytorch和一些其他需要用到的包。安裝好了，之后，我們通過(guò)torch.cuda.is_avaiable()查看一下cuda的情況，如果輸出是True，那說(shuō)明已經(jīng)安裝好了。

tensorPytorch當(dāng)中很重要的一個(gè)概念就是tensor，它直譯過(guò)來(lái)是張量，TensorFlow當(dāng)中的tensor也是這個(gè)意思。我們可以認(rèn)為tensor是一個(gè)高維的數(shù)組。當(dāng)它是0維的時(shí)候就是一個(gè)數(shù)，一個(gè)標(biāo)量。當(dāng)它是一維的時(shí)候就是一個(gè)向量，二維的時(shí)候是一個(gè)矩陣，多維的時(shí)候是高維的數(shù)組。它和Numpy當(dāng)中的數(shù)組類(lèi)似，不過(guò)Tensor可以使用GPU進(jìn)行加速。

我們通過(guò)torch當(dāng)中的接口來(lái)初始化tensor，和Numpy當(dāng)中的數(shù)組類(lèi)似，它支持好幾種初始化的方式。

empty函數(shù)創(chuàng)建一個(gè)指定大小的未初始化的tensor，當(dāng)中的元素內(nèi)容是不可保證的。

rand創(chuàng)建一個(gè)隨機(jī)初始化的數(shù)組：

ones和zeros創(chuàng)建全是0或者全是1的數(shù)組：

我們可以傳入類(lèi)型指定元素的類(lèi)型

我們也可以通過(guò)現(xiàn)成的數(shù)組創(chuàng)建tensor：

這些創(chuàng)建函數(shù)都有對(duì)應(yīng)的like方法，可以傳入一個(gè)已有的tensor，創(chuàng)建出一個(gè)和它一樣大小的新的tensor來(lái)。

這里只是列舉了常用的幾種，官方的api當(dāng)中還有其他的幾種創(chuàng)建tensor的方式：

除此之外，tensor還支持從numpy的數(shù)組當(dāng)中創(chuàng)建，我們可以利用from_numpy函數(shù)來(lái)實(shí)現(xiàn)：

同理，我們也可以通過(guò)numpy函數(shù)，從一個(gè)tensor得到numpy的數(shù)組：

還可以通過(guò)tolist方法將tensor轉(zhuǎn)化成Python的數(shù)組：

函數(shù)功能

Tensor(*sizes)基礎(chǔ)構(gòu)造函數(shù)

tensor(data,)類(lèi)似np.array的構(gòu)造函數(shù)

ones(*sizes)全1Tensor

zeros(*sizes)全0Tensor

eye(*sizes)對(duì)角線為1，其他為0

arange(s,e,step)從s到e，步長(zhǎng)為step

linspace(s,e,steps)從s到e，均勻切分成steps份

rand/randn(*sizes)均勻/標(biāo)準(zhǔn)分布

normal(mean,std)/uniform(from,to)正態(tài)分布/均勻分布

randperm(m)隨機(jī)排列

我們?cè)趧?chuàng)建tensor的時(shí)候不僅可以指定它們的類(lèi)型，還可以指定它們存放的設(shè)備。比如是CPU還是GPU。當(dāng)然前期我們暫時(shí)用不到這點(diǎn)，只需要記得即可。

總結(jié)這是Pytorch的第一篇文章，我們簡(jiǎn)單了解了一下這個(gè)框架，以及它當(dāng)中tensor這個(gè)數(shù)據(jù)結(jié)構(gòu)。簡(jiǎn)單來(lái)說(shuō)，我們可以用常用的Numpy去類(lèi)比它?；旧螻umpy當(dāng)中有的功能它都有，它還有一些自己特性Numpy沒(méi)有的api。但不管怎么說(shuō)，萬(wàn)變不離其宗，tensor的用處就是為了方便我們處理數(shù)據(jù)的。

關(guān)于Pytorch中tensor的用法還有很多，實(shí)在是沒(méi)有辦法在一篇文章當(dāng)中窮盡，所以這里只是簡(jiǎn)單介紹，具體的用法將會(huì)放在下一篇文章當(dāng)中，讓我們下周再見(jiàn)吧。

以上內(nèi)容為大家介紹了Pytorch入門(mén)之配置云服務(wù)器環(huán)境，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。