目录
然后接下来，开始在pycharm（对python很好的IDE）里面进行pytorch的学习。
安装python的pytorch
1、首先是配置环境anconda选择2.3.1的版本(真心称赞这个andonda的好用)
为了避免和其他配置环境发生冲突，另外配置了一个python3.8的环境用来安装pytorch。
输入(在使用anconda命令之前，可以先anconda activate base激活环境)
conda --version
conda create -n pytorch python=3.8
conda info --envs输入conda info --envs，即可查看环境设置
然后输入conda activate pytorch进入刚创建好的环境。（注意前面的（）是否发生了改变）
输入nvidia-smi，即可查看可使用的CUDA版本（我的是CUDA Version: 11.7），CUDA是为了使用GPU而安装的，而GPU可以加速运算，节约时间。
PyTorch--安装地址，进去后会看到
选择下面的Previous versions以前的版本，主要是最新版本不一定好
最后我选择了这个进行下载。
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch完成后，显示如下：
使用
conda list
去查询安装包
发现安装成功了！也可以利用
import torch
torch.cuda.is_available()
如果返回True，则说明配置完成了。
记得先python，进入环境，不然会报红色的错误。
另外，如果安装pytorch速度慢可以走镜像，或者挂梯子。
参考镜像如下：
清华：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
更改一哈代码，即可
conda install pytorch torchvision torchaudio –c 镜像地址
Conda install cudatoolkit=版本 –c 镜像地址以上内容，为参考博主的文章链接：
2023最新pytorch安装教程，简单易懂，面向初学者（Anaconda+GPU）_pytorch安装、_时宇羽然的博客-CSDN博客
然后接下来，开始在pycharm（对python很好的IDE）里面进行pytorch的学习。
首先安装了pycharm，具体安装方式，本文不在阐述，很久以前安装的，我也忘了。
设置好环境
查看编译器，说明还没有将之前的pytorch的环境导入进来，那在这里设置一哈
先点击show all进去
发现并没有我们之前创建的python环境，点击旁边的+号
现在可以看到，pytorch的环境配置进来了
然后再在外面选择好这个编译器，即可使用它的环境。
所有的环境和配置都搭建好了，正式开始学习pytorch
对于pytorch。我是需要用它进行深度学习，来训练模型，然后将模型放入移动端c++中。
大体的流程是训练得到的模型文件（类似pt）转出为onnx文件，然后在C++中导入，并解析onnx文件，进行再推理，然后移植到QT中，打包成exe文件发布。
因此，首先来了解pytorch的常用工具包：
torch ：类似 NumPy 的张量库，支持GPU；
torch.autograd ：基于 type 的自动区别库，支持 torch 之中的所有可区分张量运行；
torch.nn ：为最大化灵活性而设计，与 autograd 深度整合的神经网络库；
torch.optim：与 torch.nn 一起使用的优化包，包含 SGD、RMSProp、LBFGS、Adam 等标准优化方式；
torch.multiprocessing： python 多进程并发，进程之间 torch Tensors 的内存共享；
torch.utils：数据载入器，具有训练器和其他便利功能；
torch.legacy(.nn/.optim) ：出于向后兼容性考虑，从 Torch 移植来的 legacy 代码；
写pytorch代码的方法和步骤：
1、编写自己的深度学习网络架构
2、编写要训练的数据的便签和文件路径索引
3、将数据放入搭建好的网络模型中
首先是张量tensor的学习
| 方法名 | 说明 |
| tensor() | 直接构造张量，支持list和numpy数组的索引方式 |
| eye(row,column) | 创建指定行数row&列数column的单位tensor(生成的是单位阵) |
| linspace(start,end,count) | 在[start,end]上创建count个元素的一维tensor |
| logspace(start,end,count) | 在[10s,10e]上创建c个元素的一维tensor |
| ones(size) | 返回指定shape的tensor，元素初始值为1 |
| zeros(size) | 返回指定shape的tensor，元素初始值为0 |
| ones_like(t) | 返回一个tensor，shape与t相同，且元素初始值为1 |
| zeros_like(t) | 返回一个tensor，shape与t相同，且元素初始值为1 |
| arange(s,e,sep) | 在区间[s,e)上以间隔sep生成一个序列张量 |
首先创建一个python文件输入以上代码，产生了如下错误：
发现是自己没有安装numpy，于是去安装了，这里采用的清华镜像去安装。
再次运行程序，发现红色部分就消失了。