PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】

P1 PyTorch环境配置:

1. 安装Anaconda √
2. 显卡准备：深度学习离不开显卡，显卡起到训练加速的作用。显卡的配置主要涉及：驱动+CUDA Toolkit（跟随pytorch一起安装），主要是检查驱动是否正确安装 √
3. 管理环境 √
4. pytorch的安装，Nvidia官网检查本机GPU是否支持CUDA。cmd:nvidia-smi
5. 检验安装：
6. import torch
7. torch.cuda.is_available()

P2 Python编辑器选择、安装及配置：

1. PyCharm的下载与安装 √
2. Jupyter的下载与安装 √

P3 FAQ：

1. 为什么torch.cuda.is_available()False:
2. 本机的独显不支持CUDA
3. 显卡的驱动版本过低（比如对于CUDA9.2，驱动版本数要≥396.26），可在官网更新
4. 用本地包进行pytorch的安装：先将下载好的文件放入anaconda目录下的pkgs文件夹中，然后运行指令：conda install --use-local 包名

P4 Python学习中的两大法宝函数：

1. dir()
2. help()

P5 PyCharm与Jupyter的使用和对比：

1. PyCharm新建项目及使用：
2. Jupyter新建项目及使用：
3. 对比python文件、python控制台和jupyter

P6 PyTorch加载数据初认识：

1. Dataset：提供一种方式去获取数据及其label
2. 如何获取每一个数据及其label
3. 告诉我们总共有多少的数据
4. Dataloader：为后面的网络提供不同的数据形式
5. 三种常见的数据组织方式：
6. 文件名是标签
7. 每个文件有对应的标签
8. 文件名是标签

P7 Dataset类代码实战:

详细内容见学习代码

P8：