pytorch

配置环境

使用 uv 配置环境

# 终端中使用代理
$env:HTTPS_PROXY = "http://127.0.0.1:7897"
$env:HTTPS_PROXY = "http://127.0.0.1:7897"
# 创建虚拟环境
uv venv --python=3.8
# 激活虚拟环境
.venv\Scripts\activate
# 安装torch
uv pip install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1 -f https://download.pytorch.org/whl/cpu/torch_stable.html
uv pip install torchsummary==1.5.1
uv pip install numpy==1.23.2 pandas==1.3.4 matplotlib==3.5.0 scikit-learn==1.3.0

torch==1.10.1+cpu
torchvision==0.11.2+cpu
torchaudio==0.10.1
torchsummary==1.5.1
numpy==1.23.2 
pandas==1.3.4
matplotlib==3.5.0
scikit-learn==1.3.0

使用 conda 来安装

conda create -n dataScience python=3.8
    conda activate dataScience
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge
pip install torchsummary==1.5.1 numpy==1.23.2 pandas==1.3.4 matplotlib==3.5.0 scikit-learn==1.3.0

针对 rtx 4060ti 显卡，安装的 cuda 版本是 13.3，不支持上安装的 11.3

torch 常见函数

tensor.permute

tensor.permute(*dims) dims: 维度索引的新顺序。比如原张量形状是 $(H, W, C)$ ，你想变成 $(C, H, W)$ ，就需要传入索引顺序 (2, 0, 1)

torch.unsqueeze

给数据添加一个维度

torch.nn.ReflectionPad2d(padding) 的参数遵循 (左, 右, 上, 下) 的顺序：

tensor.view

在不改变张量数据的前提下，改变其维度（Shape）。你可以把它想象成对同一块内存数据进行“重新解释”。

tensor.chunk

`torch.chunk(input, chunks, dim=0)

chunks: 分割的块数（这里是 3）
dim: 分割的维度（这里是 -1，即最后一维）

transforms.Compose([transforms.Resize(size=224), transforms.ToTensor()])

Quartz

探索