pytorch简单理解

pytorch简单理解

采集所需数据整理成册
对数据进行筛选过滤
对数据进行方向、形状、颜色等方式处理得到更全面的数据库
将数据库中的数据分为训练数据和验证数据，喂养给系统预模型
经过多次训练后，得到你所需的定向性your_model.pth
最后将你要识别的数据集整理
将其先放入之前的训练中，丰富自己的模型的内容，以便后续继续更新你的模型
再将其放入定向性your_model.pth模型中
最后得到对数据的识辨结果

PyTorch的CPU版本仅依赖中央处理器进行计算，通用性强但速度较慢；GPU版本利用NVIDIA显卡的CUDA核心实现并行计算，显著提升训练和推理速度，但需额外硬件支持和软件配置。‌

‌CPU版本‌：仅需标准CPU硬件，兼容几乎所有计算机系统，无需额外驱动或库支持。‌‌1‌‌2

GPU版本‌：必须配备兼容的NVIDIA显卡（如RTX 30/40系列、Tesla系列），并安装匹配的CUDA工具包和cuDNN库；版本兼容性严格受限，例如20系列以上显卡需CUDA 11.6以上版本

PyTorch的CPU和GPU版本在命名上有明确区别，主要通过版本后缀标识：

GPU版本pytorch命名规则：名称中包含 +cuXXX（XXX为CUDA版本号）
例如：torch==2.0.1+cu118（CUDA 11.8版本）        torch==1.9.0+cu111（CUDA 11.1版本）

安装命令需指定CUDA版本，如：pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 

CPU版本pytorch命名规则：名称‌无CUDA标识
例如：torch==1.9.0        torch==2.0.1

安装命令直接使用基础版本号，如：pip install torch==2.0.1 torchvision==0.15.2