Pytorch学习系列--01基础&安装

学习先修要求：会使用Python编程；了解包括神经网络在内的机器学习算法；勤于动手实践；
自我认知：1、Python编程基本语法是会使用的–开发过简单脚本；
2、对于神经网络在内的机器学习算法–之前选修过这门课，但只是听过点理论介绍，没有代码实践过；
3、勤于动手实践—这点基本上还是满足的，主要担心会不会被阻塞住；
挑战---- 自己能不能坚持学下去并高质量地打完卡；原因：被问题阻塞住，但是自己没有那么多时间；
期待目标：掌握Pytorch的基本知识和内容，然后有自己亲自动手实践，通过项目实战，充分锻炼编程能力；
掌握Pytorch的进行深度学习的基本流程，提升解决实际问题的能力；
使用建议：一理解内容；二动手练习、实践、实践、实践；
后续可以在试试开源上GitHub进行做下贡献，这才是有意思的和团队协作的地方；
尝试分布式git团队协作开发做贡献----还没尝试过，try and demo；
教程的文件目录基本结构（后续可以自己模仿创建）：
Pytorch目录下：docs、notebook、source、.gitignore、LICENCE、README.md、requirements.txt

1 Pytorch的安装和基础知识+前置知识（2天）

1.1 Pytorch是什么

Pytorch是由Facebook基于LUA开编写的Torch库的Python实现的深度学习库；；随着Caffe2项目并入Pytorch， Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。总结：简洁高雅且高效快速；
国内的PADDLE飞浆在这块生态应用做的也不错，也需要学习使用；
Conclusion:Pytorch本质上是提供了更近一步的砖而不是散土，但是要做什么大夏取决于你自己；

1.2 Pytorch优势

1、更加简洁，易于理解；设计理念：追求最少的封装，避免年change造轮子；
2、上手入门快：Numpy和基本深度学习框架理论；
3、文档齐全和社区活跃支持；
4、项目开源实现–基于Pytorch进行开发；
5、方便更好调试代码；快速定位bug；
6、扩展库越来越完善；

2 Pytorch安装

在安装PyTorch时，我们通常使用的是Anaconda/miniconda+Pytorch+ IDE 的流程。

2.1 借助Anaconda安装

背景(问题)：数据科学和深度学习中需要用到大量成熟的package，一个个安装 package 很麻烦，而且很容易出现包之间的依赖不适配的问题。
出现解决：Anaconda/miniconda的集成了常用于科学分析（机器学习， 深度学习）的大量package，并且借助于conda我们可以实现对虚拟Python环境的管理。解决了上述问题；
纠结：是Linux下安装还是Windows下安装；
Linux下安装更匹配实际开发环境；windows下我有GPU；
Make choice:选择Linux下安装；
//TODO:

2.2 Pytorch查询资源

PyTorch的优质学习资源
Awesome-pytorch-list：目前已获12K Star，包含了NLP,CV,常见库，论文实现以及Pytorch的其他项目。
PyTorch官方文档：官方发布的文档，十分丰富。
Pytorch-handbook：GitHub上已经收获14.8K，pytorch手中书。
PyTorch官方社区：PyTorch拥有一个活跃的社区，在这里你可以和开发pytorch的人们进行交流。
PyTorch官方tutorials：官方编写的tutorials，可以结合colab边动手边学习
动手学深度学习：动手学深度学习是由李沐老师主讲的一门深度学习入门课，拥有成熟的书籍资源和课程资源，在B站，Youtube均有回放。
Awesome-PyTorch-Chinese：常见的中文优质PyTorch资源
除此之外，直接Google发现宝藏：还有很多学习pytorch的资源在b站，stackoverflow，知乎…未来大家还需要多多探索，我们希望大家可以在实战中不断学习，不断给予我们课程反馈。

补充：Linux下安装ANCONDA开发环境；