Pytorch介绍与linux、windows环境下安装

最新推荐文章于 2025-04-27 19:22:44 发布

原创

最新推荐文章于 2025-04-27 19:22:44 发布 · 1.9k 阅读

PyTorch是Facebook推出的Python优先的深度学习框架，以其动态图支持、易于调试和Python友好的特性受到青睐。本文介绍了PyTorch相对于TensorFlow的优势，并详细讲解了在Linux和Windows环境下，如何通过conda和pip安装不同CUDA版本的PyTorch，同时提供了解决conda下载速度慢问题的清华源添加方法。

1. PyTorch简介

在2017年1月18日，facebook下的Torch7团队宣布PyTorch开源后就引来了剧烈的反响。PyTorch 是 Torch 在 Python 上的衍生版本。Torch 是一个使用 Lua 语言的神经网络库, Torch 很好用, 但是 Lua 流行度不够, 所以facebook开发团队将 Lua 的 Torch 移植到了更流行的语言 Python 上，推出了PyTorch 。

PyTorch是一个Python优先的深度学习框架，是一个和tensorflow，Caffe，MXnet一样，非常底层的框架。先说下PyTorch相比于Tensorflow的三大优势：

1.1 Python优先支持

PyTorch主推的特性之一，就是支持Python（官方的提法：puts Python first）。因为直接构建自 Python C API，PyTorch从细粒度上直接支持python的访问。相比于原生Python实现，引入的新概念很少，这不仅降低了 Python 用户理解的门槛，也能保证代码基本跟原生的 Python 实现一致。事实上，开发者可以直接用原生 Python 代码扩展 PyTorch 的 operation。

而Tensorflow总有一种用 Python 调用 C++ 写的第三方动态链接库的感觉；写模型需要更多代码，无法贯彻 Python的简约风格；而且写新的 operation 必须用 C++ 开发。

1.2 动态图的良好支持

Tensorflow运行必须提前建好静态计算图，然后通过feed和run重复执行建好的图。但是Pytorch却不需要这么麻烦：PyTorch的程序可以在执行时动态构建/调整计算图。相对来说，pytorch具有更好的灵活性。这得益于PyTorch直接基于 Pyt