PyTorch 入门：从安装到计算 1+1

1 简介

PyTorch 是一个最近刚刚崛起的深度学习框架，目前在 Github 上 star 数量已经有 17K+ 了！

我们来看下官网首页的介绍（toulan.jpg）：

PyTorch is a deep learning framework for fast，flexible experimentation.

即PyTorch 是一个可以快速灵活进行实验的深度学习框架。

这句话把它的最大的特性给描述清楚了快速和灵活，这两点在我们做一些小型的深度学习项目中及其重要。

因此越来越多的开发者从其他的框架中转移过来，并对 PyTorch 赞不绝口!

2 为什么要用 PyTorch？

其实第一部分我们已经说了它的快速灵活，下面是他的一些具体的特性。

PyTorch is a Python package that provides two high-level features:

• Tensor computation (like NumPy) with strong GPU acceleration
• Deep neural networks built on a tape-based autograd system

You can reuse your favorite Python packages such as NumPy，SciPy and Cython to extend PyTorch when needed.

即 PyTorch 是一个 Python 包，提供两个高级功能：

• 和 NumPy 一样，具有强大的 GPU 加速度的张量计算。
• 具有基于 Tape 的自动求导系统构建的深度神经网络。

另外，你可以重用你最喜欢的 python 包，比如 numpy、scipy 和 Cython，以便在需要时扩展 PyTorch。

具有强大的 GPU 加速很好理解，而什么是基于 Tape 的自动求导系统呢？

这是 PyTorch 和其他深度学习框架（比如 Tensorflow、Theano、Caffe 和 CNTK 等）差别的最大的地方。
那些框架都需要先构建一个静态的计算图，每当改变了网络就意味着你可能要重新开始！

PyTorch 使用了一个叫做 反向模式和自动微分 的技术，它可以让你用零延迟或增加开销的方式任意的改变网络的行为。
虽然这种技术不是 PyTorch 独有的，例如 TensorFlow 在新版本中加入了 Eager 模式，让其具有动态构建计算图的能力，但它是迄今为止最快的实现方案之一。

3 安装

终于要可以动手了！（环境安装请参考 Tensorflow 从安装到计算 1+1 的第三部分）

——稍等片刻，这里我先夸一下 PyTorch 。

我觉得一个开源框架是否能够真正的流行起来，一个很重要的因素是对新手是否友好。

有很多新手连 shell 命令可能都不太熟悉，你让他自己编译程序，结果只能就是放弃！

下面我们来看 PyTorch 给出的安装方法：

只需要选择对应的版本，把命令复制一下，就基本可以顺利安装了！

4 验证

有没有安装成功，除了在安装过程中是否顺利外，还要看导入模块时会不会报错。

import torch
torch.__version__

我在写这篇文章时的版本是 0.4.1，如果它可以正常输出版本号，那么恭喜你安装成功！

5 计算 1 + 1

这也许是本文最简单的一部分：

import torch
result = torch.tensor(1) + torch.tensor(1)
print(result)

你将得到输出 tensor(2) !