PyTorch深度學(xué)習(xí)快速入門教程（絕對通俗易懂?。拘⊥炼选?/h1>
P1 PyTorch環(huán)境配置:
- 安裝Anaconda √
- 顯卡準(zhǔn)備：深度學(xué)習(xí)離不開顯卡，顯卡起到訓(xùn)練加速的作用。顯卡的配置主要涉及：驅(qū)動(dòng)+CUDA Toolkit（跟隨pytorch一起安裝），主要是檢查驅(qū)動(dòng)是否正確安裝 √
- 管理環(huán)境 √
- pytorch的安裝，Nvidia官網(wǎng)檢查本機(jī)GPU是否支持CUDA。cmd:nvidia-smi
- 檢驗(yàn)安裝：
- import torch
- torch.cuda.is_available()
P2 Python編輯器選擇、安裝及配置：
- PyCharm的下載與安裝 √
- Jupyter的下載與安裝 √
P3 FAQ：
- 為什么torch.cuda.is_available()False:
- 本機(jī)的獨(dú)顯不支持CUDA
- 顯卡的驅(qū)動(dòng)版本過低（比如對于CUDA9.2，驅(qū)動(dòng)版本數(shù)要≥396.26），可在官網(wǎng)更新
- 用本地包進(jìn)行pytorch的安裝：先將下載好的文件放入anaconda目錄下的pkgs文件夾中，然后運(yùn)行指令：conda install --use-local 包名
P4 Python學(xué)習(xí)中的兩大法寶函數(shù)：
- dir()
- help()
P5 PyCharm與Jupyter的使用和對比：
- PyCharm新建項(xiàng)目及使用：
- Jupyter新建項(xiàng)目及使用：
- 對比python文件、python控制臺和jupyter
P6 PyTorch加載數(shù)據(jù)初認(rèn)識：
- Dataset：提供一種方式去獲取數(shù)據(jù)及其label
- 如何獲取每一個(gè)數(shù)據(jù)及其label
- 告訴我們總共有多少的數(shù)據(jù)
- Dataloader：為后面的網(wǎng)絡(luò)提供不同的數(shù)據(jù)形式
- 三種常見的數(shù)據(jù)組織方式：
- 文件名是標(biāo)簽
- 每個(gè)文件有對應(yīng)的標(biāo)簽
- 文件名是標(biāo)簽
P7 Dataset類代碼實(shí)戰(zhàn):
詳細(xì)內(nèi)容見學(xué)習(xí)代碼
P8：
標(biāo)簽：
