机器学习/深度学习领域的学习都是需要理论和实践相结合的，而它们的实践都需要借助于一个框架来实现，PyTorch在学术界目前处于主流的地位，而且据说上手较快，从今天起开始学习该框架，为后面的学习打一个基础。

PyTorch简介

PyTorch背后的东家是Facebook。2017年1月FAIR（Facebook AI Research）首次发布了PyTorch。他的前身是Torch，而Torch是采用很小众的Lua语言为接口的机器学习框架，正因为Lua非常小众，所以Torch的知名度很低。

PyTorch是在Torch的基础上用Python语言重新打造的一款深度学习框架。不仅能够实现强大的GPU加速，同时还支持动态神经网络，这是很多主流深度学习框架比如Tensorflow等都不支持的。

PyTorch经历了如下的一些重大发展：

2017年1月正式发布PyTorch
2018年4月更新0.4.0版，支持Windows系统，caffe2正式进入PyTorch
2018年11月更新1.0稳定版，是GitHub上增长第二块的开源项目
2019年5月更新1.1.0版，支持TensorBoard，增强可视化功能
2019年8月更新1.2.0版，更新torchvision、torchaudio和torchtext，增加更多功能

PyTorch学习过程中需要查找官方文档：https://pytorch.org/docs/stable/index.html

PyTorch的安装（CPU版）

因为我的电脑是AMD锐龙的CPU和GPU，不能使用CUDA和CuDnn，也就不能在本机上安装GPU版本，所以只能安装CPU版本用于学习，后续若需要跑大型的深度学习算法，则需要转至服务器上跑，本机只是学习需要，下面就来看一下PyTorch的安装过程（默认已经安装anaconda和pycharm）：

1.打开Anaconda的Prompt命令窗口，先为PyTorch框架构建一个虚拟环境，Anaconda的好处就是可以构建很多个不同的虚拟环境，每个环境有着各自不同的框架或者说不同的Python解释器和工具包，命令如下，这里使用的Python的版本为3.7：

构建好虚拟环境后通过命令conda activate Pytorch_cpu来进入该虚拟环境：
我们需要在该虚拟环境下安装PyTorch和 torchvision 。

2.下面我们进入到PyTorch的官网：https://pytorch.org/

点击Get Started，进入后按照如下选择（只针对windows系统、pip安装、Python版本、无GPU的情况，如有其它需要则应该选择相应的）：

下面已经自动生成了一句安装PyTorch和torchvision的命令，查看一下版本无误的话就复制这条命令并粘贴到prompt命令窗口中：

这边是已经安装过了所以没有下载安装的过程，第一次安装会需要下载并安装，过程可能会很慢，这里建议换成国内的镜像源的快速度会得到飞速的提升。

3.以上如果没有问题的话则已经安装好了cpu版的PyTorch，这时我们可以测试一下是否安装正确：

如果正确安装的话是可以得到当前PyTorch的版本和是否GPU版本的。

4.最后我们较好使用PyTorch的IDE是pycharm，所以还需要在pycharm上设置一下解释器：

打开Pycharm->文件->设置->项目: (你的项目名)->Project Interpreter：


点后面的这个小齿轮->Add…，然后选择Conda Environment：

选择Existing Environment，点interpreter这行后面的三个小点：

然后按照你安装Anaconda的路径找到envs文件夹，里面会有相应的python.exe的解释器，选择这个即可：

这时已经设置好了，我们再在pycharm里测试一下Pytorch：

运行结果：

成功！