深度學(xué)習(xí)基礎(chǔ)與實(shí)踐 教案3.4 任務(wù)實(shí)施（操作參考）

.4任務(wù)實(shí)施3.4.1任務(wù)書(shū)PyTorch環(huán)境的搭建的常見(jiàn)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(dòng)，通過(guò)condainstall來(lái)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(jí)組號(hào)指導(dǎo)老師組長(zhǎng)學(xué)號(hào)成員數(shù)量組長(zhǎng)任務(wù)組員姓名學(xué)號(hào)任務(wù)分工3.4.3獲取信息引導(dǎo)問(wèn)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(diǎn)，分析PyTorch的應(yīng)用領(lǐng)域和優(yōu)勢(shì)，描述選擇PyTorch的理由。一、深度學(xué)習(xí)框架的特點(diǎn)：1、TensorFlow特點(diǎn)：全世界使用人數(shù)最多、社區(qū)最為龐大的一個(gè)深度學(xué)習(xí)框架，基于計(jì)算圖實(shí)現(xiàn)自動(dòng)微分系統(tǒng)的設(shè)計(jì)理念。維護(hù)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(duì)深度學(xué)習(xí)的所有需求，但使用TensorFlow需要編寫(xiě)大量的代碼。TensorFlow2發(fā)布后，用戶可以輕松上手TensorFlow框架，還能無(wú)縫部署網(wǎng)絡(luò)模型至工業(yè)系統(tǒng)。2、Caffe特點(diǎn)：一個(gè)清晰、高效且專注于視覺(jué)領(lǐng)域的框架，簡(jiǎn)潔快速且性能優(yōu)異，幾乎全平臺(tái)支持，適合生產(chǎn)環(huán)境。但文檔不夠完善。Caffe2追求輕量級(jí)，在保有擴(kuò)展性和高性能的同時(shí)，也強(qiáng)調(diào)便攜性。3、PaddlePaddle特點(diǎn)：國(guó)內(nèi)首個(gè)自主研發(fā)、功能完備、開(kāi)源開(kāi)放的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)平臺(tái)，支持工業(yè)級(jí)應(yīng)用模型，涵蓋自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、推薦引擎等多個(gè)領(lǐng)域，開(kāi)放多個(gè)領(lǐng)先的預(yù)訓(xùn)練中文模型，圍繞企業(yè)實(shí)際研發(fā)流程量身定制打造了大規(guī)模的官方模型庫(kù)，算法總數(shù)達(dá)到270多個(gè)，服務(wù)企業(yè)包括能源、金融、工業(yè)、農(nóng)業(yè)等多個(gè)領(lǐng)域。4、Pytorch特點(diǎn)：基于Torch的開(kāi)源Python機(jī)器學(xué)習(xí)庫(kù)，可用于自然語(yǔ)言處理等應(yīng)用程序，更加靈活、易用和高效，支持動(dòng)態(tài)圖，還提供了Python接口，是一個(gè)以Python優(yōu)先的深度學(xué)習(xí)框架。能夠?qū)崿F(xiàn)強(qiáng)大的GPU加速，支持動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)。二、分析PyTorch的應(yīng)用領(lǐng)域和優(yōu)勢(shì)，描述選擇PyTorch的理由1、PyTorch應(yīng)用領(lǐng)域：自然語(yǔ)言處理（NLP）領(lǐng)域包括文本分類(lèi)、語(yǔ)言模型、機(jī)器翻譯等；計(jì)算機(jī)視覺(jué)（CV）領(lǐng)域包括物體檢測(cè)、圖像分類(lèi)、分割等；聲音處理領(lǐng)域包括語(yǔ)音識(shí)別、語(yǔ)音合成、音樂(lè)生成等；強(qiáng)化學(xué)習(xí)領(lǐng)域包括模擬器和機(jī)器人控制等；智能對(duì)話領(lǐng)域包括幫助構(gòu)建智能對(duì)話系統(tǒng)等。2、PyTorch的優(yōu)勢(shì)：（1）動(dòng)態(tài)計(jì)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(yǔ)法，易于學(xué)習(xí)和使用；（3）自由度高，可以使用自定義Python類(lèi)來(lái)表示模型，并使用Python語(yǔ)言構(gòu)建任意結(jié)構(gòu)的模型；（4）內(nèi)存占用低：在必要時(shí)使用lazyevaluation，避免不必要的計(jì)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(wú)縫對(duì)接，并在Numpuindarrai對(duì)象基礎(chǔ)上創(chuàng)造了Tensor對(duì)象作為運(yùn)算的基礎(chǔ)，將自動(dòng)求導(dǎo)機(jī)制部署到GPU中，學(xué)習(xí)的成本很低。引導(dǎo)問(wèn)題2：查詢相關(guān)資料，請(qǐng)寫(xiě)出PyTorch環(huán)境搭建要點(diǎn)及所需準(zhǔn)備的資料，并分析安裝先后順序。搭建要點(diǎn)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(shū)上案例選擇）（2）檢測(cè)Anaconda是否已經(jīng)安裝，若沒(méi)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(cè)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(duì)應(yīng)版本的PyTorch命令并運(yùn)行，驗(yàn)證PyTorch是否成功安裝。3.4.4工作實(shí)施引導(dǎo)問(wèn)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(kāi)終端”，打開(kāi)Linux的“終端”。圖3-15打開(kāi)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(qǐng)問(wèn)有（有，沒(méi)有）安裝Anaconda3。引導(dǎo)問(wèn)題4：如果沒(méi)有安裝Anaonda3，請(qǐng)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(duì)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(qǐng)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(wèn)題5：查看相關(guān)資料，在Linux系統(tǒng)下安裝Anaconda3。請(qǐng)?jiān)斒霭惭b過(guò)程，并記錄安裝過(guò)程中出現(xiàn)的問(wèn)題及解決的方法。安裝過(guò)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(diǎn)擊鼠標(biāo)右鍵，打開(kāi)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(zhǔn)），進(jìn)入安裝許可步驟3：閱讀注冊(cè)信息，在詢問(wèn)是否接受軟件協(xié)議許可條款時(shí)輸入“yes”回車(chē)，開(kāi)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(chē)，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(dòng)步驟6：使用conda命令測(cè)試是否生效出現(xiàn)的問(wèn)題及解決的方法：引導(dǎo)問(wèn)題6：查看相關(guān)資料，完成對(duì)GPU版本的PyTorch的安裝。請(qǐng)?jiān)斒鰧?chuàng)建的過(guò)程，并記錄創(chuàng)建過(guò)程中出現(xiàn)的問(wèn)題及解決的方法。安裝過(guò)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(yùn)行condainstallpytorchtorchvisiontorchaudiocpuonly-cpytorch命令，開(kāi)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(guò)print(torch.__version__)命令查看PyTorch的版本，確保安裝成功。出現(xiàn)的問(wèn)題及解決的方法：引導(dǎo)問(wèn)題7：查看相關(guān)資料，了解更多有關(guān)PyTorch的基礎(chǔ)知識(shí)，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(jì)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