PyTorch在Debian上的使用教程是什么

以下是在Debian上使用PyTorch的教程：

安装PyTorch

• 更新系统包：sudo apt update，sudo apt upgrade -y。
• 安装Python和pip：sudo apt install python3 python3-pip -y。
• 创建虚拟环境（可选）：python3 -m venv pytorch_env，source pytorch_env/bin/activate。
• 安装PyTorch：
  • CPU版本：pip install torch torchvision torchaudio。
  • GPU版本：先安装NVIDIA驱动、CUDA和cuDNN，再执行pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117（以CUDA 11.7为例）。

验证安装

在Python环境中输入：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

使用PyTorch进行简单操作

• 数据集加载和预处理：

import torch
from torchvision import datasets, transforms

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True)

• 定义神经网络模型：

import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(28*28, 128)
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = x.view(-1, 28*28)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)

• 训练模型：

import torch.optim as optim

model = Net()
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

for epoch in range(10):
    for data, target in train_loader:
        optimizer.zero_grad()
        output = model(data)
        loss = criterion(output, target)
        loss.backward()
        optimizer.step()