[PyTorch 학습 노트] 1.1 PyTorch 소개 및 설치

PyTorch 의 탄생
2017 년 1 월 에는 FAIR (페 이 스 북 AI 리 서 치) 이 PyTorch 를 발표 했다.PyTorch 는 Torch 를 바탕 으로 python 언어 로 재 구축 한 심도 있 는 학습 프레임 워 크 입 니 다.Torch 는 Lua 언어 를 인터페이스 로 하 는 머 신 러 닝 프레임 워 크 이지 만 Lua 언어 가 작 아 Torch 학습 비용 이 많이 들 기 때문에 인지도 가 높 지 않다.
PyTorch 의 발전

2017 년 1 월 PyTorch 를 공식 발표 했다.

2018 년 4 월 에 0.4.0 버 전 을 업 데 이 트 했 고 윈도 시스템 을 지원 하 며 카페 2 가 PyTorch 에 정식으로 합병 되 었 다.

2018 년 11 월 1.0 안정 판 을 업데이트 해 지 텀 에서 두 번 째 로 빠르게 성장 한 오픈 소스 사업 이 됐다.

2019 년 5 월 1.1.0 버 전 을 업데이트 해 텐서 보드 를 지원 하고 시각 화 기능 을 강화 했다.

2019 년 8 월 1.2.0 버 전 을 업데이트 하고 Torchvision, torchaudio, torchtext 를 업데이트 해 더 많은 기능 을 지원 한다.

현재 PyTorch 는 Tensorflow 를 뛰 어 넘 는 추세 다.

...

PyTorch 장점

시작 이 빠 르 고 Numpy 와 기본 적 인 딥 러 닝 개념 을 파악 하면 시작 할 수 있다.

코드 가 간결 하고 유연 하 며 N. Module 패 키 징 을 사용 하여 네트워크 구축 을 더욱 편리 하 게 한다.동적 그림 체 제 를 바탕 으로 더욱 유연 하 다.

자원 이 많 고 arXiv 에서 새로운 논문 의 알고리즘 은 대부분 PyTorch 가 실현 되 었 다.

개발 자가 많 고 Github 공헌 자 (Contributors) 가 1100 +

를 넘 었 습 니 다.

...

PyTorch 모델 트 레이 닝 의 5 대요 소

데이터: 데이터 읽 기, 데이터 세척, 데이터 구분 과 데이터 예비 처 리 를 포함 합 니 다. 예 를 들 어 그림 을 읽 는 방법 과 데이터 강화 등 입 니 다.

모델: 모델 모듈 을 구축 하고 복잡 한 네트워크 를 조직 하 며 네트워크 파 라 메 터 를 초기 화하 고 네트워크 층 을 정의 하 는 것 을 포함한다.

손실 함수: 손실 함 수 를 만 드 는 것 을 포함 하고 손실 함수 의 초 파 라 메 터 를 설정 하 며 서로 다른 작업 에 따라 적당 한 손실 함 수 를 선택 합 니 다.

최적화 기: 경사도 에 따라 특정한 최적화 기 를 사용 하여 파 라 메 터 를 업데이트 하고 모델 파 라 메 터 를 관리 하 며 여러 매개 변수 그룹 을 관리 하여 서로 다른 학습 율 을 실현 하고 학습 율 을 조정 하 는 것 을 포함한다.

교체 훈련: 위의 4 개 모듈 을 조직 하여 반복 훈련 을 한다.훈련 효 과 를 관찰 하고 Loss / Accuracy 곡선 을 그 리 며 Tensorboard 로 시각 적 분석 을 한다.

전체 시리즈 의 학습 은 이 다섯 가지 측면 을 중심 으로 전개 된다.
설치 하 다.
개발 과정 에서 여러 프로젝트 가 동시에 진 행 될 수 있 으 며 프로젝트 간 에 사용 되 는 Python 버 전과 일부 라 이브 러 리 버 전이 다 르 기 때문에 충돌 할 수 있 습 니 다.그래서 여 기 는 Anaconda 를 사용 하여 여러 Python 가상 환경 을 관리 합 니 다.Anaconda 는 Python 을 편리 하 게 사용 하기 위해 만 든 패키지 로 250 여 개의 공구 꾸러미, 여러 버 전의 Python 해석 기와 강력 한 가상 환경 관리 도 구 를 포함한다.각 환경 간 에 서로 독립 되 어 임의로 전환 할 수 있다.
Anaconda 설치

홈 페이지 https://www.anaconda.com/products/individual 에서 자신의 시스템 에 맞 는 64 비트 패 키 지 를 선택 하고 Python 3 이상 버 전 을 선택 하 십시오.

설치 할 때 선택 Add Anaconda to my PATH environment variable 을 환경 변수 에 추가 하 는 것 을 기억 하 십시오.

설치 완료 후 열 림 cmd, 입력 conda 리 턴 에 다음 과 같은 정보 가 나타 나 면 설치 성공 입 니 다.

이 어 중과 대 경상 이나 청 화 경상 을 추가 하여 라 이브 러 리 를 설치 할 때 가속 다운 로드 를 실현 한다.

PyTorch 설치

CUDA 를 지원 하 는 GPU 가 있 는 지, 있 으 면 CUDA 와 CuDN 을 설치 해 야 한다.

PyTorch 공식 홈 페이지 https://pytorch.org/get-started/locally/ 에 들 어가 자신 이 설치 해 야 할 PyTorch 에 대응 하 는 명령 을 선택 하고 로 컬 cmd 에 설치 명령 을 입력 하면 된다.여기 서 저 는 conda 를 사용 하여 GPU 가 지원 되 지 않 는 1.5 버 전 을 설치 하 는 것 을 선택 하 였 습 니 다. conda install pytorch torchvision cpuonly -c pytorch

conda 나 pip 설치 가 느 리 면 직접 들 어가 서 https://download.pytorch.org/whl/torch_stable.html whl 패 키 지 를 로 컬 에 다운로드 하여 설치 할 수 있 습 니 다.이 페이지 는 모든 역사 버 전과 각 플랫폼 의 PyTorch 를 포함 하고 있 으 며 파일 이름 에 따라 필요 한 버 전 을 선택해 다운로드 해 야 합 니 다.파일 이름 규칙 은 다음 과 같 습 니 다.
첫 번 째 부분 은 cuda 버 전이 나 cpu 이 고 두 번 째 부분 은 PyTorch 버 전 번호 이 며 세 번 째 부분 은 Python 버 전 번호 이 며 네 번 째 부분 은 운영 체제 입 니 다.cu92/torch-1.5.0%2Bcu92-cp37-cp37m-linux_x86_64.whl
Pycharm Anaconda 환경 사용
Pycharm 에서 프로젝트 를 새로 만 든 후 File -> Settings -> Project -> Python Interpreter 에서 Anaconda 환경 을 선택해 야 합 니 다.
먼저 톱니바퀴 아이콘 을 클릭 하고 팝 업 add 을 클릭,
이 어 팝 업 창 에서 Conda Environment 을 선택 하고 Conda execute 설 치 된 Anaconda 폴 더 아래 Scripts\conda.exe 를 선택 하 십시오.
마지막 으로 Python Interpreter 현재 프로젝트 에 방금 만 든 Python 환경 을 선택 하면 됩 니 다.
GPU 버 전이 설치 되 어 있 으 면 설치 가 완료 되면 설 치 된 PyTorch 가 GPU 를 지원 하 는 지 print(torch.cuda.is_available()) 문 구 를 사용 할 수 있 습 니 다.여 기 는 CPU 버 전 으로 쓰 고 있 습 니 다.
참고 자료

깊이 있 는 눈 PyTorch 프레임 반

만약 당신 이 이 글 이 당신 에 게 도움 이 된다 고 생각한다 면, 칭찬 을 눌 러 서, 나 로 하여 금 더 많은 동력 을 가지 고 좋 은 글 을 쓸 수 있 게 하 세 요.
제 글 은 공식 번호 에 발 표 될 것 입 니 다. 스 캔 코드 가 제 공식 번호 인 장 현 학 우 를 주목 하 는 것 을 환영 합 니 다.