深度學(xué)習(xí)基礎(chǔ)與實踐 教案3.4 任務(wù)實施（操作參考）

.4任務(wù)實施3.4.1任務(wù)書PyTorch環(huán)境的搭建的常見操作及函數(shù)使用，主要包含以下內(nèi)容：安裝Anaconda，安裝GPU驅(qū)動，通過condainstall來安裝PyTorch的GPU版本，PyTorch基本使用探究。注：本任務(wù)操作系統(tǒng)使用Linux操作系統(tǒng)。3.4.2任務(wù)分組表3-2學(xué)生任務(wù)分配表班級組號指導(dǎo)老師組長學(xué)號成員數(shù)量組長任務(wù)組員姓名學(xué)號任務(wù)分工3.4.3獲取信息引導(dǎo)問題1：自主學(xué)習(xí)，了解主流深度學(xué)習(xí)框架的并列舉3款框架的特點，分析PyTorch的應(yīng)用領(lǐng)域和優(yōu)勢，描述選擇PyTorch的理由。一、深度學(xué)習(xí)框架的特點：1、TensorFlow特點：全世界使用人數(shù)最多、社區(qū)最為龐大的一個深度學(xué)習(xí)框架，基于計算圖實現(xiàn)自動微分系統(tǒng)的設(shè)計理念。維護與更新頻繁，有Python和C++的接口，教程非常完善?；究梢詽M足我們對深度學(xué)習(xí)的所有需求，但使用TensorFlow需要編寫大量的代碼。TensorFlow2發(fā)布后，用戶可以輕松上手TensorFlow框架，還能無縫部署網(wǎng)絡(luò)模型至工業(yè)系統(tǒng)。2、Caffe特點：一個清晰、高效且專注于視覺領(lǐng)域的框架，簡潔快速且性能優(yōu)異，幾乎全平臺支持，適合生產(chǎn)環(huán)境。但文檔不夠完善。Caffe2追求輕量級，在保有擴展性和高性能的同時，也強調(diào)便攜性。3、PaddlePaddle特點：國內(nèi)首個自主研發(fā)、功能完備、開源開放的產(chǎn)業(yè)級深度學(xué)習(xí)平臺，支持工業(yè)級應(yīng)用模型，涵蓋自然語言處理、計算機視覺、推薦引擎等多個領(lǐng)域，開放多個領(lǐng)先的預(yù)訓(xùn)練中文模型，圍繞企業(yè)實際研發(fā)流程量身定制打造了大規(guī)模的官方模型庫，算法總數(shù)達到270多個，服務(wù)企業(yè)包括能源、金融、工業(yè)、農(nóng)業(yè)等多個領(lǐng)域。4、Pytorch特點：基于Torch的開源Python機器學(xué)習(xí)庫，可用于自然語言處理等應(yīng)用程序，更加靈活、易用和高效，支持動態(tài)圖，還提供了Python接口，是一個以Python優(yōu)先的深度學(xué)習(xí)框架。能夠?qū)崿F(xiàn)強大的GPU加速，支持動態(tài)神經(jīng)網(wǎng)絡(luò)。二、分析PyTorch的應(yīng)用領(lǐng)域和優(yōu)勢，描述選擇PyTorch的理由1、PyTorch應(yīng)用領(lǐng)域：自然語言處理（NLP）領(lǐng)域包括文本分類、語言模型、機器翻譯等；計算機視覺（CV）領(lǐng)域包括物體檢測、圖像分類、分割等；聲音處理領(lǐng)域包括語音識別、語音合成、音樂生成等；強化學(xué)習(xí)領(lǐng)域包括模擬器和機器人控制等；智能對話領(lǐng)域包括幫助構(gòu)建智能對話系統(tǒng)等。2、PyTorch的優(yōu)勢：（1）動態(tài)計算圖，處理任意輸入尺寸的數(shù)據(jù)，不需要預(yù)定義模型輸入和輸出的形狀；（2）Python語法，易于學(xué)習(xí)和使用；（3）自由度高，可以使用自定義Python類來表示模型，并使用Python語言構(gòu)建任意結(jié)構(gòu)的模型；（4）內(nèi)存占用低：在必要時使用lazyevaluation，避免不必要的計算和內(nèi)存分配；（5）生態(tài)系統(tǒng)完整：在數(shù)據(jù)集、可視化、優(yōu)化等方面具有廣泛的支持和豐富的生態(tài)環(huán)境。3、選擇PyTorch的理由：PyTorch可以和Numpi無縫對接，并在Numpuindarrai對象基礎(chǔ)上創(chuàng)造了Tensor對象作為運算的基礎(chǔ)，將自動求導(dǎo)機制部署到GPU中，學(xué)習(xí)的成本很低。引導(dǎo)問題2：查詢相關(guān)資料，請寫出PyTorch環(huán)境搭建要點及所需準備的資料，并分析安裝先后順序。搭建要點和所需資料：需要分析安裝的硬件環(huán)境、軟件環(huán)境和自己的需求，到官網(wǎng)/get-started/locally/去選擇PyTorchBuild、OS、Package、Language、ComputePlatform等參數(shù)，確定安裝PyTorch版本；（參照書上案例選擇）（2）檢測Anaconda是否已經(jīng)安裝，若沒有則需要下載并安裝Anaconda環(huán)境，官網(wǎng)/download；（3）搭建PyTorch深度學(xué)習(xí)環(huán)境。安裝順序：（1）Anaconda環(huán)境搭建：下載安裝包，使用bash安裝，接受許可，配置環(huán)境變量，測試是否成功安裝；（2）PyTorch環(huán)境搭建：創(chuàng)建環(huán)境，激活環(huán)境，官網(wǎng)獲取下載對應(yīng)版本的PyTorch命令并運行，驗證PyTorch是否成功安裝。3.4.4工作實施引導(dǎo)問題3：查看操作系統(tǒng)是否安裝了Anaonda31）右擊桌面，如圖3-15所示選擇“打開終端”，打開Linux的“終端”。圖3-15打開Linux的“終端”輸入代碼conda，查看環(huán)境是否安裝Anaonda3。圖3-16查看環(huán)境是否安裝Anaonda3界面顯示如圖3-16所示，請問有（有，沒有）安裝Anaconda3。引導(dǎo)問題4：如果沒有安裝Anaonda3，請先查閱下載網(wǎng)址并下載Anaconda3。1）下載網(wǎng)址：__/download____2）下載網(wǎng)站中有針對不同操作系統(tǒng)的Anaconda，根據(jù)自己的操作系統(tǒng)下載并安裝Anaconda3，請直接在圖3-17中圈出你最終下載安裝的版本。圖3-17下載Anaconda引導(dǎo)問題5：查看相關(guān)資料，在Linux系統(tǒng)下安裝Anaconda3。請詳述安裝過程，并記錄安裝過程中出現(xiàn)的問題及解決的方法。安裝過程（敘述方式描述如步驟1和2這樣描述）：步驟1：在下載好的文件路徑下面點擊鼠標右鍵，打開Linux的“終端”步驟2：輸入代碼bashAnaconda3-2022.10-Linux-x86_64.sh（其中Anaconda3文件名稱以具體下載名稱為準），進入安裝許可步驟3：閱讀注冊信息，在詢問是否接受軟件協(xié)議許可條款時輸入“yes”回車，開始安裝步驟4：安裝完成后，提示是否添加環(huán)境變量，輸入“yes”回車，完成安裝步驟5：輸入重啟命令：source~/.bashrc或者關(guān)閉該終端重新啟動步驟6：使用conda命令測試是否生效出現(xiàn)的問題及解決的方法：引導(dǎo)問題6：查看相關(guān)資料，完成對GPU版本的PyTorch的安裝。請詳述將創(chuàng)建的過程，并記錄創(chuàng)建過程中出現(xiàn)的問題及解決的方法。安裝過程（敘述方式描述如步驟1和2這樣描述）：步驟1：輸入代碼condacreate-nCoursepython=3.9（這里Python版本是3.9），下載相關(guān)的包步驟2：輸入激活環(huán)境命令：condaactivatepytorch步驟3：官網(wǎng)/get-started/locally/獲取下載的命令condainstallpytorchtorchvisiontorchaudiocpuonly-cpytorch步驟4：運行condainstallpytorchtorchvisiontorchaudiocpuonly-cpytorch命令，開始安裝步驟5：提示要下載的包“Proceed([y]/n)?”，輸入y，完成環(huán)境的創(chuàng)建步驟6：安裝完成后，可以通過print(torch.__version__)命令查看PyTorch的版本，確保安裝成功。出現(xiàn)的問題及解決的方法：引導(dǎo)問題7：查看相關(guān)資料，了解更多有關(guān)PyTorch的基礎(chǔ)知識，小組內(nèi)討論探究PyTorch基本使用的創(chuàng)建方法和函數(shù)應(yīng)用，組內(nèi)成員闡述張量Tensors創(chuàng)建方法、數(shù)學(xué)操作函數(shù)應(yīng)用和數(shù)理統(tǒng)計函數(shù)應(yīng)用。PyTorch基本使用闡述并舉例介紹張量Tensors創(chuàng)建方法1.直接創(chuàng)建：torch.tensor()2.依據(jù)數(shù)值創(chuàng)建：torch.zeros()、torch.zeros_like()、torch.ones()、torch.ones_like（）、torch.full()、torch.full_like（）torch.Arange、torch.Linspace、torch.Logspace()、torch.eye()3.依概率分布創(chuàng)建張量：torch.normal()、torch.randn()、torch.randn_like()、torch.rand()、torch.rand_like、torch.randint()、torch.randint_like()、torch.randpe