PyTorch简介
在2017年1月18日，facebook下的Torch7团队宣布PyTorch开源后就引来了剧烈的反响。PyTorch 是 Torch 在 Python 上的衍生版本。Torch 是一个使用 Lua 语言的神经网络库, Torch 很好用, 但是 Lua 流行度不够, 所以facebook开发团队将 Lua 的 Torch 移植到了更流行的语言 Python 上，推出了PyTorch 。
PyTorch是一个Python优先的深度学习框架，是一个和tensorflow，Caffe，MXnet一样，非常底层的框架。先说下PyTorch相比于Tensorflow的三大优势：
一.Python优先支持
PyTorch主推的特性之一，就是支持Python（官方的提法：puts Python first）。因为直接构建自 Python C API，PyTorch从细粒度上直接支持python的访问。相比于原生Python实现，引入的新概念很少，这不仅降低了 Python 用户理解的门槛，也能保证代码基本跟原生的 Python 实现一致。事实上，开发者可以直接用原生 Python 代码扩展 PyTorch 的 operation。
而Tensorflow总有一种用 Python 调用 C++ 写的第三方动态链接库的感觉；写模型需要更多代码，无法贯彻 Python的简约风格；而且写新的 operation 必须用 C++ 开发。
二.动态图的良好支持
Tensorflow运行必须提前建好静态计算图，然后通过feed和run重复执行建好的图。但是Pytorch却不需要这么麻烦：PyTorch的程序可以在执行时动态构建/调整计算图。相对来说，pytorch具有更好的灵活性。这得益于PyTorch直接基于 Python C API 构建的 Python 接口。
TensorFlow饱受诟病的痛点就是只支持静态图模型。也就是说，在处理数据前必须预先定义好一个完整的模型。如果数据非常规整，那还好。但实际工程和研究项目中的数据，难免有一些边角的情况。很多项目，其实需要大量实验才能选择正确的图模型。这就很痛苦了。因此，很多项目转而采用了PyTorch等支持动态图模型的框架，以便在运行程序的时候动态修正模型。
不过在2017年10月31日万圣节这天，Google发布了TensorFlow Eager Execution（贪婪执行），为TensorFlow添加了命令式编程的接口。启用贪婪执行后，TensorFlow操作会立刻执行，不用通过Session.run()执行一个预先定义的图。2017年11月，TensorFlow1.5版本中正式加入了动态图机制Eager Execution的支持！
三.易于Debug
Pytorch在运行时可以生成动态图，开发者就可以在堆栈跟踪中看到哪一行代码导致了错误。你甚至可以在调试器中停掉解释器并看看某个层会产生什么。
PyTorch的Windows版本安装
2018年12月8日,Pytorch1.0正式发布，源码地址：https://github.com/pytorch/pytorch/releases。这次最新的Pytorch1.0有很多重大的更新，分布式更好用了，其实最重要的应该是C++的前端支持，部署更方便，效率更高，使得Pytorch往产品化方面又迈进了坚实的一步。
我们可以直接在Pytorch官网寻找自己所需的最新的版本进行安装。目前Pytorch1.0支持Python2.7，Python3.5，Python3.6和Python3.7等多个Python版本。
Conda安装
如果已经装了Ananconda|Python，不管是Python3.5，Python3.6还是Python3.7，都可以选择对应的cuda版本，然后直接执行下面命令安装：
conda install pytorch torchvision cuda80 -c pytorch #for cuda8
conda install pytorch torchvision -c pytorch #for cuda9
conda install pytorch torchvision cuda100 -c pytorch #for cuda10
conda install pytorch-cpu torchvision-cpu -c pytorch # for cpu version
注意：Conda安装只支持Python3，如果你的Ananconda|Python是Python2版本，请用pip方式安装。
pip安装
这里只提示一点，pip可以安装Python2的Pytorch1.0的cpu版本，如果要安装gpu版本，请升级到Python3：
Python2.7 cpu版本：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp27-cp27mu-linux_x86_64.whl
pip install torchvision
如果上面不行，请执行：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp27-cp27m-linux_x86_64.whl
pip install torchvision
Python3.5各个版本：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp35-cp35m-win_amd64.whl #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp35-cp35m-win_amd64.whl #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp35-cp35m-win_amd64.whl #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp35-cp35m-win_amd64.whl #cuda10.0
pip install torchvision
Python3.6各个版本：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp36-cp36m-win_amd64.whl #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp36-cp36m-win_amd64.whl #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp36-cp36m-win_amd64.whl #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl #cuda10.0
pip install torchvision
Python3.7各个版本：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp37-cp37m-win_amd64.whl #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp37-cp37m-win_amd64.whl #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp37-cp37m-win_amd64.whl #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp37-cp37m-win_amd64.whl #cuda10.0
pip install torchvision
测试安装是否成功
import torch
print(torch.__version__)
如果输出1.0.0，那么恭喜Windows下的PyTorch1.0.0安装成功！