前言:
暑假的時候導師讓我學神經網絡我沒有好好學,最近老師又提了一嘴.吳恩達大法好,就是看不懂.於是在看莫煩Python.
1.安裝Anaconda3
這個網上全是教程,請自行完成,並換源,
記得加上這個源:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
這個是清華鏡像站的Ppytorch,如果只更新爲main/free是找不到pytorch的
2.安裝pytorch
直接在cmd控制檯下輸入指令:
conda install pytorch
這時候會安裝pytorch,570M大小,有點慢,安心等待.
可能出現如下問題: 一些依賴庫如:numpy,版本過久,更新就行了
3.安裝torchvision
torchvision和pytorch是兩個東西,沒辦法通過conda指令安裝,官網給出的是pip3的方式安裝
pip3 install torchvision
你可能遇到如下問題:
1.依賴包版本過低
2.pip需要18.0
這些錯誤都有提示,更新依賴包就行
但是pip3不能通過conda update pip更新,錯誤中會給出提示,好像是:
python -m upgrade XXX的 .照着提示打就行了
Finally
測試一下是否可用,我這裏懶得去打開最簡單的測試方法了,這是一段線性預測的代碼
import torch
from torch.autograd import Variable
import torch.nn.functional as F
import matplotlib.pyplot as plt
import torchvision
x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)
y = x.pow(2) + 0.2 * torch.rand(x.size())
x, y = Variable(x), Variable(y)
# plt.scatter(x.data.numpy(),y.data.numpy())
# plt.show()
class Net(torch.nn.Module):
def __init__(self, n_features, n_hidden, n_output):
super(Net, self).__init__()
self.hidden = torch.nn.Linear(n_features, n_hidden)
self.predict = torch.nn.Linear(n_hidden, n_output)
def forward(self, x):
x = F.relu6(self.hidden(x))
x = self.predict(x)
return x
net = Net(1, 10, 1)
print(net)
plt.ion()
plt.show()
optimaizer = torch.optim.SGD(net.parameters(), lr=0.5)
loss_func = torch.nn.MSELoss()
for t in range(100):
prediction = net(x)
loss = loss_func(prediction, y)
optimaizer.zero_grad()
loss.backward()
optimaizer.step()
if t % 5 == 0:
plt.cla()
plt.scatter(x.data.numpy(), y.data.numpy())
plt.plot(x.data.numpy(), prediction.data.numpy(), 'r-', lw=5)
plt.text(0.5, 0, 'Loss=%.4f' % loss.data, fontdict={'size': 20, 'color': 'red'})
plt.pause(0.1)
plt.ioff()
plt.show()