深度学习案例教程 课件2.1、2.2 .pptx

PyTorch深度学习框架第二章

01理解PyTorch框架的基本原理和核心概念02搭建PyTorch开发环境并配置所需的软件和库03使用PyTorch框架创建和操作张量，进行数学运算和数理统计04利用PyTorch框架构建和训练简单的线性回归模型学习目标CONTENTS

01学习和掌握深度学习框架的能力02培养良好的编程习惯和实践能力03提高问题分析和解决问题的能力04培养团队合作和沟通能力素质目标CONTENTS05培养持续学习的意识和能力

设计模型训练模型实践任务准备数据预测数据认识线性回归

2.1PyTorch介绍2.1.1PyTorch概述2.1.2使用计算图

2.1PyTorch介绍1.PyTorch概述PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebook的人工智能研究小组开发。PyTorch的动态图使得开发者可以更加直观地定义和调试复杂的神经网络模型，这也是PyTorch在深度学习领域日益流行的原因之一。

2.1PyTorch介绍2.使用计算图计算图是一个由节点和边组成的有向无环图（DAG）。节点表示计算操作，边表示数据依赖关系。计算图可以把模型中的计算过程可视化出来，让我们更容易理解模型的计算逻辑。计算图也可以被用来自动计算梯度，这在训练深度学习模型时非常有用。

2.2环境搭建2.2.1anaconda安装2.2.2pytorch安装2.2.3pycharm安装

2.2.1Anaconda安装Anaconda是专注于数据分析的Python发行版本。包含了Conda、Python等一大批科学包及其依赖项。在安装Anaconda时预先集成了Numpy、pandas、scikit-learn等数据分析常用包，在Anaconda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。总之，anaconda是一个分析利器。

(1)访问Anaconda官网(),选择适合自己的版本下载,如选择下载Windows系统下的Python3.10版本,如图所示。2.2.1Anaconda安装

(2)下载完成后，根据提示安装Anaconda，如图所示。2.2.1Anaconda安装

(2)下载完成后，根据提示安装Anaconda，如图所示。2.2.1Anaconda安装

(2)下载完成后，根据提示安装Anaconda，如图所示。2.2.1Anaconda安装

(2)下载完成后，根据提示安装Anaconda，如图所示。2.2.1Anaconda安装

(2)下载完成后，根据提示安装Anaconda，如图所示。2.2.1Anaconda安装

(3)安装成功后设置系统环境变量的PATH值：右击【计算机】，选择【属性】，进入【高级系统设置】，选择【环境变量】，双击【PATH】,设置Anaconda的环境变量，如图所示2.2.1Anaconda安装

(3)安装成功后设置系统环境变量的PATH值：右击【计算机】，选择【属性】，进入【高级系统设置】，选择【环境变量】，双击【PATH】,设置Anaconda的环境变量，如图所示2.2.1Anaconda安装

(4)完成安装和设置后，打开命令提示符，输入“conda--versoin”，可以看到其版本信息和Anaconda的字样，说明Anaconda安装成功，如图所示。2.2.1Anaconda安装

Anaconda安装成功之后，我们在系统菜单中找到【anacondanavigator】进入该界面首先是登陆界面，如图所示。2.2.1Anaconda安装

选择【Environments】后发现系统默认创建了base环境，如图所示。2.2.1Anaconda安装

点击【Create】按钮创建名为pytorch的虚拟环境，如图所示。2.2.1Anaconda安装

如图所示，pytorch虚拟环境创建完成。2.2.1Anaconda安装

2.2.2PyTorch安装PyTorch安装起来比较方便，根据系统环境选择安装方式，本书选用Conda方式安装PyTorch，使用安装好的Anaconda，能够在同一台机器上创建多个互不影响的Python环境。首先我们去PyTorch的网站选择合适的安装环境，如图所示。PyTorch官网：

2.2.2PyTorch安装如果电脑有