一、PyTorch 簡介

PyTorch 是由 Facebook AI Research 團隊開發的開源深度學習框架。它以動態圖機制、靈活性強、易于調試而著稱，廣泛應用于自然語言處理、計算機視覺和學術研究。

---

二、安裝 PyTorch

2.1 通過官網選擇安裝命令（推薦）

訪問官網安裝頁面：
https://pytorch.org/get-started/locally/

選擇操作系統、Package、Python版本、CUDA版本，自動生成安裝命令。

2.2 pip 安裝（CPU 版本）

pip install torch torchvision torchaudio

2.3 pip 安裝（GPU + CUDA 版本示例）

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

注意：需安裝對應版本的 NVIDIA 驅動和 CUDA Toolkit。

2.4 conda 安裝（推薦 Anaconda 用戶）

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

---

三、驗證安裝

import torch
print(torch.__version__)
print("CUDA 是否可用:", torch.cuda.is_available())

---

四、PyTorch 基本使用

4.1 創建張量

import torchx = torch.tensor([1.0, 2.0, 3.0])
y = torch.ones(3)
print(x + y)

4.2 Tensor 與 NumPy 互轉

import numpy as npa = np.array([1, 2, 3])
b = torch.from_numpy(a)
c = b.numpy()

4.3 使用 GPU

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
x = torch.rand(3, 3).to(device)

---

五、構建神經網絡模型

import torch.nn as nn
import torch.nn.functional as Fclass Net(nn.Module):def __init__(self):super(Net, self).__init__()self.fc1 = nn.Linear(784, 128)self.fc2 = nn.Linear(128, 10)def forward(self, x):x = F.relu(self.fc1(x))return self.fc2(x)

---

六、訓練模型示例

model = Net()
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)for epoch in range(10):# 假設有 inputs 和 labelsoutputs = model(inputs)loss = criterion(outputs, labels)optimizer.zero_grad()loss.backward()optimizer.step()

---

七、保存與加載模型

保存

torch.save(model.state_dict(), 'model.pth')

加載

model.load_state_dict(torch.load('model.pth'))
model.eval()

---

八、常見問題

Q1: 安裝后 torch 無法導入？

請檢查當前環境是否為正確的 Python 解釋器，并確保 PyTorch 安裝成功。

Q2: CUDA 不可用？

請確認：

• 安裝的 PyTorch 是 GPU 版本
• 安裝了兼容的 CUDA 驅動和工具包
• 顯卡驅動安裝無誤

---

九、學習資源推薦

• PyTorch 中文文檔
• 官方文檔
• 動手學深度學習（PyTorch）
• 深度學習 100 例項目

---

本文由“小奇Java面試”原創發布，轉載請注明出處。

可以搜索【小奇JAVA面試】第一時間閱讀，回復【資料】獲取福利，回復【項目】獲取項目源碼，回復【簡歷模板】獲取簡歷模板，回復【學習路線圖】獲取學習路線圖。