PyTorch简介
PyTorch的前身是Torch，Torch是一个有大量机器学习算法支持的科学计算框架，灵活度很高，是一个与NumPy类似的张量(Tensor)操作库。但是Torch采用的是小众的编程语言Lua，因此流行度很低，于是就有了PyTorch的出现。PyTorch与Torch的底层语言相同，只不过是使用了更大众化的编程语言作为上层包装语言。
PyTorch
PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架(如TensorFlow)都不支持的。PyTorch提供了如下两个高级功能：
- 具有强大的GPU加速的张量计算(如NumPy)
- 包含自动求导系统的深度神经网络
PyTorch的主要优势在于它的灵活性，支持动态神经网络，可以通过反向求导技术几乎零延迟地任意改变神经网络的行为，这也是刚开始PyTorch相比于TensorFlow的最大优势了(TensorFlow1.0时期是命令式的静态编程语言，首先必须构建一个神经网络，然后重复使用相同的结构，如果想要改变神经网络结构，就必须从头开始。但是TensorFlow1.5以后引入了Eager Execution机制实现了动态图)。此外，PyTorch还有支持GPU、底层代码简单易懂、命令式体验、自定义扩展等功能。
当然，PyTorch也有很多不足的地方，例如其全面性不如TensorFlow，尚不支持快速傅里叶和检查无穷与非数值张量。PyTorch针对移动端、嵌入式部署以及高性能服务端部署的性能表现不佳。
技术是发展的，我们有理由相信任何框架只要有价值就会一直被优化，所有的问题终将不是问题。
PyTorch相关安装
- 安装Anaconda
Anaconda是一个开源的Python发行版本，是一个强大的包、环境管理器，可以很方便地解决Python并存、切换以及各种第三方包安装的问题，同时支持Linux、Mac和Windows三大常用操作系统。
1、下载
可以直接从Anaconda官网(https://www.anaconda.com)下载，由于Anaconda官网服务器是国外的，因此如果网速不给力，可以选择从清华大学开源软件镜像站(https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive)下载。下载时选择适合自己的操作系统与版本点击下载即可。
2、安装
双击打开下载的安装包，一路Next至Finish即可。对于Windows用户，可能需要配置环境变量：打开控制面板->高级系统设置->环境变量->系统变量找到Path，点击编辑，加入三个文件夹的存储路径(Anaconda所在路径、Anaconda所在路径Librarybin、Anaconda所在路径Scripts)。
Anaconda首页
安装成功打开Anaconda，首页如上图所示。
- 安装PyTorch和torchvision
torchvision是独立于PyTorch的关于图像操作的一些工具库。torchvision主要包括一下几个包：
- datasets：几个常用视觉数据集，可以加载或下载，可以查看源码，也可以写自己的Dataset子类。
- models：包含主流模型，例如AlexNet、VGG、ResNet、Densenet等。
- transforms：常用的图像操作，例如随机切割、几何变换、数据类型转换、图像到tensor，NumPy数组到tensor，tensor到图像等。
- utils：用于把形似图像张量保存到硬盘中，给一个mini-batch的图像可以生成一个图像网格。
可以使用一条conda install命令同时安装PyTorch和torchvision，只需在命令行输入如下命令：
conda install pytorch torchvision -c pytorch等待环境加载完毕，输入y开始安装。经过一段时间的等待，完成安装。如果不使用Anaconda，也可以使用pip进行安装。
打开Anaconda，在首页找到其中的jupyter，点击Launch运行jupyter(刚开始使用jupyter可能未安装的先点击install进行安装)。
创建py文件
点击New->Python 3创建一个Python文件，输入如下代码：
import torchimport torchvisionprint(torch.__version__)如果程序没有报错，并且顺利输出PyTorch的版本号，表明已经成功安装了PyTorch与torchvision。
