0. 简介

本文主要介绍了使用pytorch作为框架入门深度学习。

其中第1节(深度学习入门)内容较多，建议边看第1节边实践第2节(Pytorch入门)中的内容（主要是2.1和2.2）。

1. 深度学习入门

网上的资源非常多，这里重点推荐一个资源：斯坦福大学公开课 CS231N。

对应的中文翻译及视频资料等如下：CS231n 官方笔记及其中文译本。

CS231N

学习建议：

• 读者把截图中两个模块中涉及的文档读懂(部分代码要自己对照着原文实践) 基本上就可以入门了(预计需要半个月到一个月时间)。
• 上述链接中的视频，作业等资料可选择性观看，主要看截图中给到的内容。笔者只看了截图中的英文资料，其他内容还没看:(, 如果读者觉得读英语效率低，可以参考对应的中文资料。
• 这里不再推荐其他资源，对于初学者只要精通了上述内容，基本上就可以读懂绝大多数深度学习的资料了，对于里面不懂的内容可自行查找资料补充。

2. Pytorch 入门

2.1. 安装软件

2.1.1 python

建议安装anaconda(里面集成了python解释器以及常用的python模块)。 由于清华大学镜像和中科院镜像的anaconda源未获得授权已经被关闭，因此这里给出的是官方版本，可能下载速度有点慢。读者可自行查找更快的下载方案，比如百度云。

Anaconda

• 建议安装python3.5以上版本
• windows 下安装教程：Windows下Anaconda的安装和简单使用
• Linux 下安装教程： Linux下安装Anaconda(64位)详细过程

2.1.2 pycharm(可选择)

这是一个IDE(软件开发环境，类似于Visual Studio), 建议读者使用。但是读者也可以使用Anaconda中自带的IDE，如Spyder。或者也可以使用其他编辑器，如Visual Studio Code。

• Windows 下的详细安装及使用教程请参考：Windows下Anaconda和PyCharm的安装与使用
• Linux下的安装教程请参考(请先读完Windows下如何配置Pycharm再读下面的安装方法，Linux下配置Pycharm和Windows下相同)：
  1. Linux Ubuntu系统如何安装pycharm编辑器
  2. Ubuntu系统安装PyCharm教程（详细图文）

建议：IDE不一定用的多的就是最好的，请读者自行选择适合自己的IDE，并且精通一个即可。

2.1.3 cuda（可选择）

如果读者电脑上有nvidia GPU且未安装cuda，可以考虑下载并安装。这里给出建议的参考博客，不再详细介绍。

• windows: Windows 10，nvidia显卡, tensorflow-gpu cuda9.0安装(只看安装cuda部分即可)
• Linux: ubuntu16.04下安装GTX1080TI显卡驱动+安装CUDA

2.1.4 pytorch

如图，登陆pytorch官网，在下方选好对应的pytorch版本，系统会自动给出需要运行的命令。

Linux 下安装教程：

• Linux 下安装教程：Linux下便捷安装 Pytorch命令指南

• 比如这里笔者选择satble(1.1)版本， 操作系统为Linux， 安装包使用Conda， python版本为3.6， cuda版本为9.0。
  因此只需要在终端(Terminal)中输入如下命令：conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
  安装
  注意：这里如果读者没有安装cuda，选择None

Windows 下安装教程:

• Windows 下安装教程：pytorch在windows10上安装使用
• 如果系统为windows，建议按照如下配置选择：
  image.png
  注意：这里如果读者没有安装cuda，选择None

2.2. pytorch的基本原理

这一节笔者主要看了pytorch的官方文档和教程，里面有很多很多例子，如果把这些例子全看完，足以满足日常使用的要求。如果时间不够充足，可以考虑先挑一些紧急的看，以后等到熟练了或者需要用到什么地方再反过头来看。

下面列举了一些建议先看的内容：

2.2.1 60分钟入门

60 min
对应中文翻译：PyTorch 深度学习:60分钟快速入门

把上图中的五个部分读懂，大约需要一小时到两小时。这一部分主要介绍了

• 什么是pytorch?
• 什么是tensor？
• pytorch如何自动求导？
• 什么是神经网络，如何搭建神经网络？
• 如何从头到尾训练一个分类的神经网络模型？
• 数据并行机制？数据怎么在多个GPU上并行运算？

2.2.2 pytorch的数据加载机制

DATA LOADING AND PROCESSING TUTORIAL

对应中文翻译：PyTorch:数据加载和预处理

这一节我认为是必看的，大约需要一到两小时读懂。读完这一节，你将学会：

• 读懂别人是怎么设计DataSet的
• 灵活地针对自己的数据定义训练过程中从磁盘上读取数据到网络中

2.2.3 模型加载和保存

这一节主要讲如何将训练好的模型加载到网络中，以及如何保存训练好的模型。

读完上述内容，基本上可以了解pytorch的原理。剩下的就是根据不同的需求看不同的内容。比如，如果读者想做迁移学习，或者强化学习，或者只是想用GAN网络，那么只需要找对应的内容即可。

2.3. Pytorch工具介绍 (可选择)

下面的链接介绍了笔者常用的一些pytorch工具，包括

• Awesome-Pytorch-list，提供了pytorch的各种工具，代码，文档等

• 使用pytorch+tensorboardX进行数据可视化处理（初学者可以不用这个，不会影响结果）

tensorboardX

• 使用Augomentor进行数据的扩增处理

Augomentor

3. 补充说明

• 上述关于pytorch的内容建议直接看英文文档，如果读者觉得看英语效率低，请自己找一下对应的中文翻译。这里笔者只找了部分内容供读者参考。

• 关于看书还是官方文档。每个人习惯不一样，笔者倾向于不看书。因为现有的关于pytorch的个人认为写的较为粗浅，甚至还不如官方教程细致；pytorch更新较快，官方教程也是每隔一段时间就会更新一下，而书很难跟上最新的更新。

• 如果读者想了解更多，除了看官方教程，还建议读一读源码。