茌平做网站公司,沈阳短视频制作公司,高职网站建设专业书,哪些官网用wordpress人工智能上手 Pytorch
1、人工智能框架历史走向
2015年#xff0c; caffe#xff0c;优势配置简单#xff0c;缺点安装麻烦#xff0c;且不更新维护
2016年#xff0c;tensorflow 1.x#xff0c;定义太严格#xff0c;很复杂。开发成本高。简单的任务#xff0c;也很…人工智能上手 Pytorch
1、人工智能框架历史走向
2015年 caffe优势配置简单缺点安装麻烦且不更新维护
2016年tensorflow 1.x定义太严格很复杂。开发成本高。简单的任务也很麻烦。
2017年keras,封装了tensorflow 1.x非常简洁的api,深受同学和老师的喜爱
2018年tensorflow 2.x,收购了kerastf2.0版本。
2019年torch的python版本pytorch。19年初比不过tf2.0. 简单。pytorch学习成本极低。很少很短时间就能掌握torch。最有价值的地方。
2020年2021年2022年pytorch已经是主导地位了。使用人数在90%。tf只有5%。
毋庸置疑用pytorch。
2、安装pytorch 官网 https://pytorch.org/
版本
cpu、gpu
cpu是每个人都要装的gpu得看版本
gpu的显存4g就别装了没有意义。
显存6G以上推荐8G以上。。
查看了一下本地的gpu是8g内存。intel的Arc 750 2.1 安装anacoda
官网地址 https://www.anaconda.com/download
直接下载安装安装好进入环境可以在anaconda新建一个env
D: 直接切换盘然后cd 进入相关安装目录非常的纯净。ai是我建的env D:\IDE\anaconda3\envs\ai\Scriptspip list
Package Version
---------- -------
pip 23.3.1
setuptools 68.2.2
wheel 0.41.2Torch安装方法
cpu: pip install torch还需要安装torchvision
pip install torchvisionn卡使用
nvidia-smi访问
https://developer.nvidia.com/cuda-tookit-archive
intel的A卡使用
gpu: gpu需要装CUDA 自己去筛选版本。pytorch下载地址 http://download.pytorch.org/whl/torch_stable.html
3、开始学习
1、边用边学torch只是个工具真正用查的过程才是学习的过程
2、直接上案例就行先来跑遇到啥解决啥就完事了。
3.1 Mnist分类任务
1.引入torch
import torch
print(torch.__version__)打印2.2.2cpu
2.显示图形的命令
%matplotlib inline %matplotlib inline 是 Jupyter Notebook 或 JupyterLab 中的一个魔术命令magic command用于在 Notebook 中显示 Matplotlib 绘图的输出结果。当你在 Notebook 中使用 Matplotlib 进行绘图时通常需要使用这个命令来确保图形能够正确地显示在 Notebook 中。具体来说%matplotlib inline意味着在 Notebook 中生成的图形将直接嵌入到输出单元格中而不是作为弹出窗口显示。这使得图形可以在 Notebook 中直接展示并且可以随着代码的执行而动态更新。需要注意的是%matplotlib inline 只适用于 Jupyter Notebook 或 JupyterLab而在其他的 Python 环境中如 Python 解释器或集成开发环境IDE可能需要使用其他方式来显示 Matplotlib 图形。3.下载数据
from pathlib import Path
import requestsDATA_PATHPath(data)
PATH DATA_PATH / mnistPATH.mkdir(parentsTrue, exist_okTrue)URL http://deeplearning.net/data/mnist/
FILENAME mnist.pkl.gzif not (PATH / FILENAME).exists():content requests.get(URL FILENAME).content(PATH / FILENAME).open(wb).write(content)4.把下载的数据读进来
import pickle
import gzipwith gzip.open((PATH / FILENAME).as_posix(),rb) as f:((x_train,y_train),(x_valid,y_valid),_) pickle.load(f, encoding latin-1)5、运行全部显示成功
from matplotlib import pyplot
import numpy as nppyplot.imshow(x_train[0].reshape((28,28)),cmapgray)
print(x_train.shape)4、torch和numpy的区别
torch是GPU跑tensorflow也是
numpy是CPU里面是数组
