PyTorch PyTorch v1.8.1下载

PyTorch软件是一个功能强大、简单易用的端到端机器学习框架，可帮助用户快速搭建分布式培训以及工具和库的生态系统，具有强大的GPU加速和基于磁带的自动记录系统构建的深度神经网络，支持Tensor高速计算，和NumPy基本一样，通过这款升级网络计算系统可以能够实现快速灵活的实验和高效开发；PyTorch绿色安全、免费开源，基于磁带的自动分化库、编译栈、神经网络库等组成，可作为深度学习研究平台，能够提供最为专业灵活的开发环境，轻松实现系统分布式管理和培训，可以能够说软件是一款非常不错的神经网络计算系统。

软件功能

　　准备生产

借助TorchScript，PyTorch在急切模式下能够提供了易用性和灵活性，同时无缝过渡到图形模式以实现C ++运行时环境中的速度，优化和功能。

　　TORCHSERVE

TorchServe是易于使用的工具，可用于大规模部署PyTorch模型。它与云和环境无关，并支持多种功能，例如多模型服务，日志记录，指标以及用于应用程序集成的RESTful端点的创建。

　　分布式培训

通过利用对Python和C ++可以能够访问的集体操作和对等通信的异步执行的本机支持，来优化研究和生产中的性能。

　　移动（实验性）

PyTorch支持从Python到在iOS和Android上部署的端到端工作流。它扩展了PyTorch API，以涵盖将ML集成到移动应用程序中所需的常见预处理和集成任务。

　　健壮的生态系统

活跃的研究人员和开发人员社区建立了丰富的工具和库生态系统，用于扩展PyTorch并支持从计算机视觉到强化学习的领域的开发。

软件特色

　　本机ONNX支持

以标准ONNX（开放式神经网络交换）格式导出模型，以直接访问与ONNX兼容的平台，运行时，可视化工具等。

　　C ++前端

C++前端是PyTorch的纯C ++接口，它遵循已建立的Python前端的设计和体系结构。它旨在实现高性能，低延迟和裸机C ++应用程序的研究。

　　云端支援

PyTorch在主要的云平台上得到了很好的支持，可通过预构建的图像进行无摩擦的开发并轻松扩展，在GPU上进行大规模培训，可以能够在生产规模的环境中运行模型，等等。

官方教程

快速开始

本部分贯穿API，以完成机器学习中的常见任务。请参考各节中的链接以更深入地学习。

处理数据

PyTorch有两个处理数据的原语： torch.utils.data.DataLoader和torch.utils.data.Dataset。 Dataset存储样本及其相应的标签，并DataLoader在周围包裹一个可迭代的对象Dataset。

PyTorch能够提供了特定领域的库，例如TorchText， TorchVision和TorchAudio，所有这些库都包含数据集。在本教程中，我们将使用TorchVision数据集。

该torchvision.datasets模块包含Dataset许多现实世界的视觉数据的对象，例如CIFAR，COCO（在此完整列表）。在本教程中，我们使用FashionMNIST数据集。每个TorchVision都Dataset包含两个参数：transform和 target_transform分别修改样本和标签。

出去：

我们将Dataset当作参数传递给DataLoader。这在我们的数据集上包装了一个可迭代的对象，并支持自动批处理，采样，改组和多进程数据加载。在这里，我们将批处理大小定义为64，即，可迭代的数据加载器中的每个元素将返回一批64个功能部件和标签。

出去：

阅读更多有关在PyTorch中加载数据的信息。

创建模型

为了在PyTorch中定义一个神经网络，我们创建了一个从nn.Module继承的类。我们在__init__函数中定义网络的层，并在函数中指定数据如何通过网络forward。为了加速神经网络中的操作，我们将其移至GPU（如果有）。

出去：

阅读有关在PyTorch中构建神经网络的更多信息。

优化模型参数

要训练模型，我们需要损失函数 和优化器。

在单个训练循环中，模型对训练数据集进行预测（分批进给），然后反向传播预测误差以调整模型的参数。

我们还将对照测试数据集检查模型的性能，以确保模型正在学习。

训练过程是在几个迭代（历元）上进行的。在每个时期，模型都会学习参数以做出更好的预测。我们在每个时期打印模型的准确性和损失；我们希望看到每个时期的精度都会提高而损耗会降低。

出去：

了解有关训练模型的更多信息。

保存模型

保存模型的常用方法是序列化内部状态字典（包含模型参数）。

出去：

加载模型

加载模型的过程包括重新创建模型结构并将状态字典加载到其中。

现在可以能够使用该模型进行预测。

出去：

版权声明：PyTorch(神经网络计算)所展示的资源内容均来自于第三方用户上传分享，您所下载的资源内容仅供个人学习交流使用，严禁用于商业用途，软件的著作权归原作者所有，如果有侵犯您的权利，请来信告知，我们将及时撤销。

软件下载信息清单：