PyTorch Tutorial Willie Chang Pranay Manocha Installing PyTorch • ???????????? On your own computer • Anaconda/Miniconda: conda install pytorch -c pytorch • Others via pip: pip3 install torch • ?? _64.sh • ./Miniconda3-latest-Linux-x86_64.sh • After Miniconda is installed: conda install pytorch -c pytorch Writing code • Up to you; feel free to use emacs, vim, PyCharm, etc. if you want. • Our recommendations: Python files can be run like Jupyter notebooks by delimiting cells/sections with #%% • Debugging PyTorch code is just like debugging any other Python code: see Piazza @108 for info. Also try Jupyter

Brand Guidelines PyTorch Brand Guidelines What is PyTorch? PyTorch is an open source machine learning framework that accelerates the path from research prototyping to production deployment. Learn more at PyTorch.org Please only use the PyTorch name and marks when accurately referencing the PyTorch Foundation or its software projects. When referring referring to our marks, please include the following attribution statement: 
 “PyTorch, the PyTorch logo and any related marks are trademarks of The Linux Foundation.” Find the full Trademark Policy at

RN-08516-001_v23.07 | July 2023 PyTorch Release Notes PyTorch RN-08516-001_v23.07 | ii Table of Contents Chapter 1. PyTorch Overview..................................................... ...... 2 Chapter 3. Running PyTorch................................................................................................................ 3 Chapter 4. PyTorch Release 23.07................ .............. 5 Chapter 5. PyTorch Release 23.06..................................................................................................13 Chapter 6. PyTorch Release 23.05................

深度学习框架 主讲：龙良曲 Outline ▪ PyTorch的发展 ▪ PyTorch与同类框架 ▪ PyTorch功能演示 Torch ▪ 2002年 Torch ▪ 2011年 Torch7 ▪ Lua PyTorch ▪ 2016.10 发布0.1，THNN后端 ▪ 2018.12 发布1.0 ， CAFFE2后端 ▪ 2019.5 发布1.1 ▪ Facebook 王者之争 https://www.edureka.co/blog/pytorch-vs-tensorflow/ 动态图 https://towardsdatascience.com/battle-of-the-deep-learning-frameworks-part-i-cff0e3841750 静态图 综合评价 PyTorch TensorFlow 1 TensorFlow 2 性能 生态 工业界 学术界 上手难度 易用性 兼容性 发展前景 0 小结 VS PyTorch生态 TorchVision PyTorch能做什么？ • GPU加速 • 自动求导 • 常用网络层 1. GPU加速 2. 自动求导 3. 常用网络层 ▪ nn.Linear ▪ nn.Conv2d ▪ nn.LSTM ▪ nn.ReLU ▪ nn.Sigmoid

Machine Learning Pytorch Tutorial TA : 曾元（Yuan Tseng） 2022.02.18 Outline ● Background: Prerequisites & What is Pytorch? ● Training & Testing Neural Networks in Pytorch ● Dataset & Dataloader ● Tensors videos from last year ■ ref: link1, link2 Some knowledge of NumPy will also be useful! What is PyTorch? ● An machine learning framework in Python. ● Two main features: ○ N-dimensional Tensor computation Guide for training/validation/testing can be found here. Training & Testing Neural Networks - in Pytorch Validation Testing Training Load Data Step 1. torch.utils.data.Dataset & torch.utils.data.DataLoader

Miniconda and PyTorch on rwcpu8.cse.ust.hk Using Global Miniconda and PyTorch If you don't want to install Miniconda and PyTorch yourself, you can use the global Miniconda and PyTorch installed at at /export/data/miniconda3 . 1. Initialize Miniconda: 2. If you want to use PyTorch, activate the pytorch conda environment: 3. There is also a conda environment for TensorFlow 2: 4. After you activate activate the corresponding environment, you should be able to run Python scripts that uses PyTorch/TensorFlow by the python command: Installing Your Own Miniconda 1. Download Miniconda installer.

链滴 pytorch 入门笔记 -03- 神经网络 作者：zyk 原文链接：https://ld246.com/article/1639540087993 来源网站：链滴 许可协议：署名-相同方式共享 4.0 国际 (CC BY-SA 4.0) 前言 本节主要内容是如何使用 torch.nn 包来构建神经网络。 上一讲已经讲过了 autograd，nn 包依赖 autograd 5. 将梯度反向传播回网络的参数； 6. 更新网络的参数，主要使用如下简单的更新原则： weight = weight - learning_rate * gradient 原文链接：pytorch 入门笔记 -03- 神经网络 定义网络 开始定义一个网络： import torch import torch.nn as nn import torch.nn.functional as 函数（用来计算梯度）会被 autograd 自动创建。 可以在 forward 函数中使用任何针对 Tensor 的操作。 net.parameters() 返回可被学习的参数（权重）列表和值 原文链接：pytorch 入门笔记 -03- 神经网络 params = list(net.parameters()) print(len(params)) print(params[0].size()) # conv1

智能算法 感兴趣的朋友。 本书共 15 章，大体上可分为 4 个部份：第 1~3 章为第 1 部分，主要介绍人工智能的初 步认知，并引出相关问题；第 4~5 章为第 2 部分，主要介绍 PyTorch 相关基础，为后续算法 实现铺垫；第 6~9 章为第 3 部分，主要介绍神经网络的核心理论和共性知识，让读者理解深 度学习的本质；第 10~15 章为模型算法应用部分，主要介绍常见的算法与模型，让读者能够 预览版202112 声 明 得益于简洁优雅的设计理念，基于动态图的 PyTorch 框架在学术圈广受好评，绝大多数 最新算法是基于 PyTorch 实现的，众多的第三方 AI 框架应用，例如 mmdetection、mmaction2、 transformer、speechbrain 等均以 PyTorch 为基础开发，可见掌握 PyTorch 框架在人工智能行 业中的重要地位。 本书基于清华大学出版社出版的《TensorFlow 本书基于清华大学出版社出版的《TensorFlow 深度学习—深入理解人工智能算法》一书 进行二次撰写，代码部分完全基于 PyTorch 进行实现。考虑到本人能力有限、行文仓促，可 以预见地，本书会存在部分语句表达不准确、部分素材尚未创作完成、部分参考引用未能及 时补充、甚至一些错误出现，因此本书以开源、免费地方式发布，希望一方面能够帮助初学 者快速上手深度学习算法，另一方面也能汇聚众多行业专家们的力量，修正测试版中的谬误