点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
基本思路选择
以前我用过Caffe，用过tensorflow，最近一直在用pytorch感觉特别好用。所以打算写点我学习的过程跟经验，如果你是一个pytorch的高手自然可以忽略，如果你也打算学习pytorch框架，那就跟我一起学习吧
01.pytorch安装
演示系统环境
Windows10
Pytorch1.4
CUDA10.0
VS2015
Python3.6.5
CPU版本
install pytorch torchvision cpuonly -c pytorchGPU版本
install pytorch torchvision cudatoolkit=10.0 -c pytorch测试安装是否正常, CUDA支持正常
测试结果一切正常！
安装的时候你还可以更直接点
pip install pytorch torchvision就好啦！我知道很多人喜欢用各种python的工具跟IDE做开发，那些都是个人爱好，喜欢就好，但是千万别强迫别人跟你一样！有IDE强迫症！我从开始学习python就一直用pycharm！千万别问我好用不好用，方便不方便！觉得适合自己即可。
02.pytorch基本语法演示
演示了pytorch中基本常量、变量、矩阵操作、CUDA调用，numpy与tensor转化，维度转化，自动梯度等基本知识。代码如下：
from __future__ import print_function
import torch
import numpy as npprint(torch.__version__)# 定义矩阵
x = torch.empty(2, 2)
print(x)# 定义随机初始化矩阵
x = torch.randn(2, 2)
print(x)# 定义初始化为零
x = torch.zeros(3, 3)
print(x)# 定义数据为tensor
x = torch.tensor([5.1, 2., 3., 1.])
print(x)# 操作
a = torch.tensor([1.,2.,3.,4.,5.,6.,7.,8.])
b = torch.tensor([11.,12.,13.,14.,15.,16.,17.,18.])
c = a.add(b)
print(c)# 维度变换 2x4
a = a.view(-1, 4)
b = b.view(-1, 4)
c = torch.add(a, b)
print(c, a.size(), b.size())# torch to numpy and visa
na = a.numpy()
nb = b.numpy()
print("\na =",na,"\nb =", nb)# 操作
d = np.array([21.,22.,23.,24.,25.,26.,27.,28.], dtype=np.float32)
print(d.reshape(2, 4))
d = torch.from_numpy(d.reshape(2, 4))
sum = torch.sub(c, d)
print(sum, "\n sum = ", sum.size())# using CUDA
if torch.cuda.is_available():result = d.cuda() + c.cuda()print("\n result = ", result)# 自动梯度
x = torch.randn(1, 5, requires_grad=True)
y = torch.randn(5, 3, requires_grad=True)
z = torch.randn(3, 1, requires_grad=True)
print("\nx=",x, "\ny=",y, "\nz=",z)
xy = torch.matmul(x, y)
xyz = torch.matmul(xy, z)
xyz.backward()
print(x.grad, y.grad, z.grad)运行输出结果:
1.4.0
tensor([[0., 0.],[0., 0.]])
tensor([[-0.4624, -1.1495],[ 1.9408, -0.1796]])
tensor([[0., 0., 0.],[0., 0., 0.],[0., 0., 0.]])
tensor([5.1000, 2.0000, 3.0000, 1.0000])
tensor([12., 14., 16., 18., 20., 22., 24., 26.])
tensor([[12., 14., 16., 18.],[20., 22., 24., 26.]]) torch.Size([2, 4]) torch.Size([2, 4])a = [[1. 2. 3. 4.][5. 6. 7. 8.]]
b = [[11. 12. 13. 14.][15. 16. 17. 18.]]
[[21. 22. 23. 24.][25. 26. 27. 28.]]
tensor([[-9., -8., -7., -6.],[-5., -4., -3., -2.]]) sum = torch.Size([2, 4])result = tensor([[33., 36., 39., 42.],[45., 48., 51., 54.]], device='cuda:0')x= tensor([[ 0.3029, -0.4030, -0.9148, -0.9237, 0.7549]], requires_grad=True)
y= tensor([[-0.9032, -0.4092, -0.0682],[ 0.3689, -0.9655, -0.1346],[ 1.5101, 1.4418, 0.1058],[ 1.0259, -1.6011, 0.4881],[-0.3989, 0.9156, -1.6290]], requires_grad=True)
z= tensor([[ 1.4343],[ 2.2974],[-0.0864]], requires_grad=True)
tensor([[-2.2298, -1.6776, 5.4691, -2.2492, 1.6721]]) tensor([[ 0.4344, 0.6959, -0.0262],[-0.5781, -0.9260, 0.0348],[-1.3121, -2.1017, 0.0790],[-1.3249, -2.1222, 0.0798],[ 1.0827, 1.7342, -0.0652]]) tensor([[-3.0524],[ 1.1164],[-1.7437]])记录一下，今天是第一篇，以后我争取每周更新一篇到两篇，请大家一起监督，有愿意输出这个方面内容，欢迎一起来努力！
千里之行始于足下！想支持我继续写下去就 点个赞 吧！其它没有要求了！
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
