今天國慶，祝我們祖國繁榮昌盛，同時也祝福我們程式員早日度過寒冬，祝福大家國慶中秋雙節快樂。假期不算忙，可以先快速地把一些基礎知識快速更新一下，今天主要還是順着之前的文章和大家介紹一下什麼是PyTorch和Tensor，這可是一切的基礎。
pytorch被各大頂級AI公司所認可
PyTorch是目前最流行的深度學習架構，已經超過了TensorFlow，而且以我目前的認知，PyTorch确實比較上手，能夠很友善地友善初學者進行入門。
份額和趨勢不斷變高
可以對PyTorch的一些特性做出一些總結:
- 是目前研究深度學習的最流行的架構。
- 可以使用python編寫深度學習的代碼，并且代碼可以快速遷移到GPU或者多GPU環境中。
- 使用者可以輕易地使用内嵌在torchvision包裡面的一些内嵌的深度架構模型，例如Transformer，ResNet等等。
- 支援深度學習全生命周期的處理，例如預處理資料，搭模組化型，在各類裝置上部署你的模型。
- 有很多大廠背書，大家可以放心學習和使用。例如Meta，OpenAI，Mircosoft等公司。
目前來說PyTorch确實是我們學習深度學習最應該首先入手的，這邊也不會贅述，既然大家能夠認真看這篇文章肯定已經對PyTorch有一定的認識。接下來和大家初識一下什麼是Tensor,大家千萬要和我一樣，不用急于求成，對Tensor快速過一下，然後就開始快速學習後面的内容。最後隻會把你碰的滿頭包，還是需要你重新回到Tensor的這個環節，需要你把對Tensor的操作掌握地特别透徹，你才有可能遊刃有餘地學習後面的知識。
首先我們先本地安裝PyTorch和jupyter notebook，這邊我就不再贅述了。如果覺得麻煩可以去網上去搜尋雲産品，搜尋PyTorch的互動環境，如果能夠打開Google Colab那就更好，可以免費試用GPU，同時也能夠跳過新手最讨厭的環境配置環節（這邊大家千萬要注意，這一步很容易搞成從入門到放意，如果你一開始搞不定GPU，可以先安裝PyTorch CPU的環境，記住一開始能跑代碼就可以）,啟動jupyter notebook或者jupyter lab比較簡單，隻要安裝完之後，找一個你後續的工作的workspace下敲入如下圖的指令“jupyter lab”就可以啟動。
接下來就是import torch，敲出标志性的任何程式設計語言或者架構的“hello world”了，如下圖所示，這是我老家的電腦，PyTorch的版本也比較老，不過也是支援GPU的，可以使用torch.cuda.is_available()的指令檢視cuda是否可用。
torch的版本
nvidia的基本資訊
好了，到目前為止千萬不要被環境所困，也千萬别說為了學習深度學習，先買一台高配高顯示卡的電腦，到目前這個階段我覺得完全不至于。如果你能夠堅持3個月（和我一樣的情況下），可以長期租一台GPU的雲主機。這樣可以讓你有動力持續去寫代碼，部署一些模型。可以在雲主機裡面運作。言歸正傳，現在你隻要成功安裝PyTorch能夠成功運作torch.__version__ 就可以了，千萬不要執着[打臉]
接下來幾個小節，我們将開始入門PyTorch中無處不在的Tensor了。我會根據我目前淺薄的經驗和大家一起分享後續我們操作Tensor的一些核心也是我們必須關心的API，同時我們也需要動手操作一些我們常用的API，當然我們也會把所有的重要的API全部覆寫到，有一些核心的如果後面在卷積神經網絡，Transformer中如果用到，我們也會有單獨的小節進行單獨的介紹。
如果大家有興趣，可以收藏關注，我們持續進行學習。