深度学习基础与实践 教案3.4 任务实施（操作参考）.docx

PAGE

PAGE1

3.4任务实施

3.4.1任务书

PyTorch环境的搭建的常见操作及函数使用，主要包含以下内容：安装Anaconda，安装GPU驱动，通过condainstall来安装PyTorch的GPU版本，PyTorch基本使用探究。

注：本任务操作系统使用Linux操作系统。

3.4.2任务分组

表3-2学生任务分配表

班级

组号

指导老师

组长

学号

成员数量

组长任务

组员姓名

学号

任务分工

3.4.3获取信息

引导问题1：自主学习，了解主流深度学习框架的并列举3款框架的特点，分析PyTorch的应用领域和优势，描述选择PyTorch的理由。

一、深度学习框架的特点：

1、TensorFlow特点：全世界使用人数最多、社区最为庞大的一个深度学习框架，基于计算图实现自动微分系统的设计理念。维护与更新频繁，有Python和C++的接口，教程非常完善。基本可以满足我们对深度学习的所有需求，但使用TensorFlow需要编写大量的代码。TensorFlow2发布后，用户可以轻松上手TensorFlow框架，还能无缝部署网络模型至工业系统。

2、Caffe特点：一个清晰、高效且专注于视觉领域的框架，简洁快速且性能优异，几乎全平台支持，适合生产环境。但文档不够完善。Caffe2追求轻量级，在保有扩展性和高性能的同时，也强调便携性。

3、PaddlePaddle特点：国内首个自主研发、功能完备、开源开放的产业级深度学习平台，支持工业级应用模型，涵盖自然语言处理、计算机视觉、推荐引擎等多个领域，开放多个领先的预训练中文模型，围绕企业实际研发流程量身定制打造了大规模的官方模型库，算法总数达到270多个，服务企业包括能源、金融、工业、农业等多个领域。

4、Pytorch特点：基于Torch的开源Python机器学习库，可用于自然语言处理等应用程序，更加灵活、易用和高效，支持动态图，还提供了Python接口，是一个以Python优先的深度学习框架。能够实现强大的GPU加速，支持动态神经网络。

二、分析PyTorch的应用领域和优势，描述选择PyTorch的理由

1、PyTorch应用领域：自然语言处理（NLP）领域包括文本分类、语言模型、机器翻译等；计算机视觉（CV）领域包括物体检测、图像分类、分割等；声音处理领域包括语音识别、语音合成、音乐生成等；强化学习领域包括模拟器和机器人控制等；智能对话领域包括帮助构建智能对话系统等。

2、PyTorch的优势：（1）动态计算图，处理任意输入尺寸的数据，不需要预定义模型输入和输出的形状；（2）Python语法，易于学习和使用；（3）自由度高，可以使用自定义Python类来表示模型，并使用Python语言构建任意结构的模型；（4）内存占用低：在必要时使用lazyevaluation，避免不必要的计算和内存分配；（5）生态系统完整：在数据集、可视化、优化等方面具有广泛的支持和丰富的生态环境。

3、选择PyTorch的理由：PyTorch可以和Numpi无缝对接，并在Numpuindarrai对象基础上创造了Tensor对象作为运算的基础，将自动求导机制部署到GPU中，学习的成本很低。

引导问题2：查询相关资料，请写出PyTorch环境搭建要点及所需准备的资料，并分析安装先后顺序。

搭建要点和所需资料：

需要分析安装的硬件环境、软件环境和自己的需求，到官网/get-started/locally/去选择PyTorchBuild、OS、Package、Language、ComputePlatform等参数，确定安装PyTorch版本；（参照书上案例选择）

（2）检测Anaconda是否已经安装，若没有则需要下载并安装Anaconda环境，官网/download；

（3）搭建PyTorch深度学习环境。

安装顺序：

（1）Anaconda环境搭建：下载安装包，使用bash安装，接受许可，配置环境变量，测试是否成功安装；

（2）PyTorch环境搭建：创建环境，激活环境，官网获取下载对应版本的PyTorch命令并运行，验证PyTorch是否成功安装。

3.4.4工作实施

引导问题3：查看操作系统是否安装了Anaonda3

1）右击桌面，如图3-15所示选择“打开终端”，打开Linux的“终端”。

图3-15打开Linux的“终端”

输入代码conda，查看环境是否安装Anaonda3。

图3-16查看环境是否安装Anaonda3

界面显示如图3-16所示，请问有（有，没有）安装Anaconda3。

引导问题4：如果没有安装Anaonda3，请先查阅下载网址并下载Anaconda3。

1）下载网址：__/download____

2）下