Tutoriel vidéo correspondant : https://www.bilibili.com/video/BV1S5411X7FY/
Annuaire d'articles
Ce didacticiel est différent de mes précédents didacticiels. Ce didacticiel vous permet d'installer et de configurer l'environnement d'apprentissage en profondeur PyTorch.
Bien sûr, il est plus important de clarifier la relation entre certains logiciels, sinon, si vous l'installez directement, vous risquez d'être confus : à quoi sert ce logiciel ? Pourquoi devrais-je faire ça?
1. Parlez de Python
Python, ce mot, je crois que beaucoup de gens l'ont entendu et vu. (Je ne crois pas que vous n'ayez pas vu les publicités partout dans le ciel.)
Python est en fait un langage de programmation, une spécification d'un programme, une grammaire.
Tant que nous écrivons des choses selon cette spécification et cette grammaire, l'ordinateur peut comprendre ce que nous écrivons d'une certaine manière, puis fonctionner en fonction de ce que nous écrivons.
En fait, tout comme la langue que nous utilisons tous les jours. Tant que nous prononçons selon les règles de prononciation du chinois, d'autres personnes peuvent comprendre ce que nous voulons dire.
Python est un langage informatique, tant que nous écrivons du code selon sa grammaire, l'ordinateur peut comprendre et exécuter notre code.
C'est Python, qui est en fait un langage compréhensible par les ordinateurs.
Alors pourquoi Python a-t-il été si populaire ces dernières années ?
En raison de sa syntaxe simple, il est plus facile à apprendre. Tout comme dans notre monde réel, il existe plusieurs langues, certaines sont difficiles à apprendre et d'autres faciles à apprendre.
Python est également l'un des nombreux langages du monde informatique, et il existe de nombreux langages de programmation (C, C++, Java, Go, etc.). C'est l'une des langues les plus simples (règles grammaticales simples, pas de capacité simple), donc elle est appréciée par beaucoup de gens.
2. Parlez de Python et des bibliothèques
Après avoir parlé de Python, c'est en fait un langage qui peut communiquer avec les ordinateurs. En d'autres termes, avec Python, nous pouvons communiquer avec l'ordinateur et laisser l'ordinateur faire certaines choses.
Par exemple, nous pouvons écrire print("xiaotudui") dans le code, afin que l'ordinateur sache que vous souhaitez imprimer (imprimer) le mot xiaotudui sur l'écran de l'ordinateur. Vous voyez, tout comme l'image ci-dessous, après avoir entré la commande print("xiaotudui"), Python imprime/affiche le contenu de xiaotudui sur la ligne suivante.
Pensez-vous que Python est un peu handicapé mental ? Je me sens aussi.
Python ne nous fournit que de nombreuses fonctions de base. Par exemple, si je veux lire le contenu d'un fichier avec Python, je dois d'abord écrire une ligne de code pour ouvrir le fichier, puis écrire une ligne de code pour charger le contenu du fichier.
Python ne nous fournit que ces opérations de base nécessaires. Si nous voulons accomplir une tâche, nous devons combiner ces opérations de base nous-mêmes.
Python est comme le PPT que nous avons utilisé, ils nous fournissent tous beaucoup de fonctions de base.
Mais si nous voulons utiliser un logiciel PPT pour créer un beau PPT, nous devons effectuer une série d'opérations sur les éléments de base (texte, graphiques) fournis par PPT pour obtenir l'excellent effet final. De la même manière, si nous voulons utiliser Python pour réaliser des tâches plus complexes, nous devons également combiner les fonctions de base fournies par Python.
Trouvez-vous difficile d'implémenter quelque chose en Python ? Attendez une minute, ne vous inquiétez pas pour l'instant. Écoutez-moi continuer.
Tout comme lorsque nous faisons PPT, nous trouverons des modèles et des plug-ins à utiliser. Avec ces modèles et outils, nous pouvons obtenir rapidement certains des effets souhaités. Ces modèles sont également réalisés par d'autres avec les éléments les plus basiques en PPT, puis partagés. De cette façon, nous pouvons utiliser des modèles partagés par d'autres pour obtenir l'effet souhaité.
En Python, il y a aussi ce comportement de partage. Cependant, en Python, ces outils et modèles qui améliorent notre efficacité sont appelés bibliothèques (packages), et certaines personnes les appellent packages.
Par exemple, si nous voulons utiliser Python pour dessiner des images, nous pouvons installer une bibliothèque appelée Matplotlib pour Python à utiliser, de sorte que nous n'avons besoin d'utiliser que le tracé (fonction de dessin) dans Matplotlib pour dessiner des images.
Si nous n'utilisons que les éléments de base fournis par Python pour dessiner des images, nous devrons peut-être d'abord créer une nouvelle fenêtre, puis remplir les pixels de cette fenêtre pour compléter les coordonnées horizontales et verticales, puis trouver une position appropriée pour mettre le texte, et puis suivez les données dans la position correspondante Dessinez des points et reliez les points.
Juste une opération de dessin, si nous n'utilisons que Python, cela plantera presque. Mais Matplotlib lui encapsule ces opérations, c'est-à-dire que tant qu'on lui indique les données à dessiner, il nous aidera à compléter la série d'opérations ci-dessus.
En fait, nous pouvons comparer Python à un téléphone mobile, et ces bibliothèques sont les différentes applications que nous installons. Avec ces applications, si nous voulons faire certaines choses, nous n'avons qu'à utiliser cette APP, ce qui rend nos opérations plus faciles et plus rapides.
Dans le domaine de l'apprentissage en profondeur, il existe des bibliothèques bien connues de PyTorch et Tensorflow. Grâce à la bibliothèque PyTorch ou Tensorflow, nous pouvons créer efficacement des réseaux de neurones et diverses choses nécessaires à l'apprentissage en profondeur.
Library, vous pouvez la considérer comme une APP sur votre téléphone, avec elle. Chaque application a sa propre fonction.Avec ces applications, nous pouvons accomplir certaines tâches plus efficacement et simplement.
3. Parlez de PyTorch, Tensorflow
Dans la section précédente, nous avons parlé de PyTorch ou de Tensorflow, et plus encore de la bibliothèque pouvant être utilisée par Python.Cette bibliothèque est principalement développée pour le domaine du deep learning.
Avec PyTorch ou Tensorflow, nous pouvons implémenter plus facilement certains réseaux de deep learning.
Bien sûr, si vous dites que je ne veux pas utiliser PyTorch ou Tensorflow pour créer un réseau de neurones, puis-je ?
bien sûr. Cela vous oblige à implémenter manuellement tous les aspects du réseau de neurones du début à la fin. Si vous souhaitez approfondir votre compréhension des réseaux de neurones, c'est un excellent moyen.
Dans l'ensemble, PyTorch ou Tensorflow ne sont que des bibliothèques Python, qui sont une série d'outils d'apprentissage en profondeur. Avec eux, nous pouvons effectuer des tâches d'apprentissage en profondeur plus facilement.
4. Anaconda - Installer Python
Après avoir introduit Python, le concept de bibliothèques, et PyTorch et Tensorflow. Maintenant, tout le monde sait que Python n'est qu'un langage informatique capable de communiquer avec des ordinateurs. Une bibliothèque est un outil partagé par de nombreuses personnes. Par exemple, si nous installons une bibliothèque d'apprentissage en profondeur (PyTorch), nous pouvons effectuer des tâches d'apprentissage en profondeur plus efficacement et simplement.
Après avoir dit tant de bêtises, parlons de la façon d'installer Python.
Il existe de nombreuses façons d'installer Python. Par exemple, nous pouvons accéder au site Web officiel de Python (https://www.python.org/), puis, tout comme pour installer un logiciel ordinaire, après le téléchargement, double-cliquez pour installer.
Cependant, vous constaterez que de nombreuses personnes/tutoriels ne l'installent pas de cette façon.
Plus de personnes/tutoriels vous permettent directement de télécharger et d'installer Anaconda.
Jetons un coup d'œil à cette introduction à Anaconda. Il dit que c'est la plate-forme de science des données la plus populaire au monde. Cela signifie-t-il qu'il pleut un peu et qu'il y a du brouillard ?
En termes simples, lorsque nous avons installé Anaconda, nous avons installé Python et certaines bibliothèques couramment utilisées pour l'analyse scientifique. Est-ce pratique ? Mais il n'y a pas de PyTorch et de Tensorflow dans ces bibliothèques d'analyse de données couramment utilisées. Cela nous oblige également à l'installer nous-mêmes plus tard.
Lorsque nous avons installé Anaconda, nous avons également installé Python. En plus de ce rôle, Anaconda possède de nombreuses commodités. Lorsque nous aurons installé Anaconda, il installera également un outil de commande appelé conda pour nous. Cet outil de commande est très puissant. Nous pouvons installer différentes bibliothèques/packages à l'aide de cette commande. En plus de cela, nous utilisons conda pour créer des environnements virtuels.
environnement virtuel? Ce concept est très étrange. Par exemple, vous travaillez actuellement sur un projet. Un projet utilise PyTorch version 1.10 et un autre projet utilise PyTorch version 1.4. Ou vous avez installé une APP version 1.10 sur votre téléphone mobile, et ensuite vous souhaitez utiliser cette APP version 1.4, que devez-vous faire ? Notre méthode la plus courante consiste à désinstaller une version, puis à installer une autre version. Mais n'est-ce pas gênant ?
Que puis-je faire d'autre? Nous pouvons utiliser deux téléphones portables ou des clones d'applications. Un téléphone mobile installe la version 1.10 et un téléphone mobile installe la version 1.4. Quand je veux utiliser quelle version, j'utiliserai quel téléphone. Comme un téléphone portable ici, c'est le concept d'un environnement virtuel.
Autrement dit, nous pouvons créer plusieurs environnements virtuels, puis installer les bibliothèques que nous souhaitons installer dans les environnements virtuels correspondants. Par exemple, je crée un environnement virtuel appelé tuduipytorch1.10, puis j'y installe la version 1.10 de PyTorch. Créez un autre environnement virtuel appelé tuduipytorch1.4 et installez-y PyTorch 1.4. De cette façon, lorsque nous voulons utiliser quelle version, nous n'avons qu'à activer l'environnement virtuel correspondant. En fait, cela ressemble un peu à la page d'inscription du jeu.
Si vous ne comprenez toujours pas, ce n'est pas grave. Plus tard, vous comprendrez progressivement.
5. pépin et conda
Plus tôt, nous avons dit que lorsque nous avons installé Anaconda, nous avions déjà installé Python et certaines bibliothèques courantes pour l'analyse des données.
Alors, que devons-nous faire si nous voulons installer d'autres bibliothèques, telles que les bibliothèques PyTorch ou Tensorflow ?
À ce stade, nous pouvons utiliser les deux commandes pip et conda pour installer la bibliothèque.
Si différentes bibliothèques sont transformées en applications pour téléphones mobiles, alors si nous voulons installer l'application PyTorch, nous pouvons la télécharger via le magasin d'applications. pip et conda sont comme cette boutique d'applications.
Ils maintiennent beaucoup de bibliothèques (applications).Lorsque nous voulons télécharger une bibliothèque (application), nous n'avons qu'à entrer le nom de la bibliothèque d'installation pip ou le nom de la bibliothèque d'installation conda pour télécharger et installer la bibliothèque.
Alors, quelle est la différence entre conda et pip ?
Tout comme différents magasins d'applications sont produits et distribués par différentes entreprises. pip peut être considéré comme officiellement maintenu, tandis que conda est maintenu par Anaconda. (Lorsque nous aurons installé Anaconda, conda sera également installé.)
En général, il n'y a en fait pas beaucoup de différence entre les installations conda et pip. Comme il est géré par différentes sociétés, la vitesse de téléchargement est en fait un peu différente. (Cependant, il est recommandé d'utiliser d'abord la commande conda pour installer la bibliothèque.)
Par conséquent, lorsque vous téléchargez la bibliothèque, si l'utilisation de pip est lente ou si vous ne pouvez toujours pas utiliser la bibliothèque après l'installation, vous pouvez essayer conda à la place. vice versa.
6. PyCharm
Maintenant, nous pouvons installer Python en installant Anaconda, puis créer un environnement virtuel via la commande conda. Après cela, nous installons la bibliothèque PyTorch ou Tensorflow via conda ou pip dans cet environnement virtuel.
Après avoir terminé ces opérations, nous pouvons écrire notre code Python. Lors de l'écriture de code Python, nous pouvons utiliser la bibliothèque PyTorch ou Tensorflow pour faciliter nos tâches d'apprentissage en profondeur.
Alors, où devrions-nous écrire le code ? Comment le lancer après avoir écrit le code ?
Nous pouvons utiliser PyCharm.
Après avoir installé PyCharm, nous devons effectuer une configuration. Nous devons indiquer à Pycharm quel environnement virtuel doit être utilisé et quelle version de Python doit être utilisée. Pycharm analysera quelles bibliothèques sont installées dans cet environnement virtuel, puis lorsque nous écrirons du code, il donnera certaines invites de syntaxe. comme ça.
Dans l'ensemble, avec PyCharm, cela peut nous aider à terminer l'ensemble du processus, de l'écriture du code à l'exécution du code plus efficacement.