今天国庆，祝我们祖国繁荣昌盛，同时也祝福我们程序员早日度过寒冬，祝福大家国庆中秋双节快乐。假期不算忙，可以先快速地把一些基础知识快速更新一下，今天主要还是顺着之前的文章和大家介绍一下什么是PyTorch和Tensor，这可是一切的基础。
pytorch被各大顶级AI公司所认可
PyTorch是目前最流行的深度学习框架，已经超过了TensorFlow，而且以我目前的认知，PyTorch确实比较上手，能够很方便地方便初学者进行入门。
份额和趋势不断变高
可以对PyTorch的一些特性做出一些总结:
- 是目前研究深度学习的最流行的框架。
- 可以使用python编写深度学习的代码，并且代码可以快速迁移到GPU或者多GPU环境中。
- 用户可以轻易地使用内嵌在torchvision包里面的一些内嵌的深度框架模型，例如Transformer，ResNet等等。
- 支持深度学习全生命周期的处理，例如预处理数据，搭建模型，在各类设备上部署你的模型。
- 有很多大厂背书，大家可以放心学习和使用。例如Meta，OpenAI，Mircosoft等公司。
目前来说PyTorch确实是我们学习深度学习最应该首先入手的，这边也不会赘述，既然大家能够认真看这篇文章肯定已经对PyTorch有一定的认识。接下来和大家初识一下什么是Tensor,大家千万要和我一样，不用急于求成，对Tensor快速过一下，然后就开始快速学习后面的内容。最后只会把你碰的满头包，还是需要你重新回到Tensor的这个环节，需要你把对Tensor的操作掌握地特别透彻，你才有可能游刃有余地学习后面的知识。
首先我们先本地安装PyTorch和jupyter notebook，这边我就不再赘述了。如果觉得麻烦可以去网上去搜索云产品，搜索PyTorch的交互环境，如果能够打开Google Colab那就更好，可以免费试用GPU，同时也能够跳过新手最讨厌的环境配置环节（这边大家千万要注意，这一步很容易搞成从入门到放意，如果你一开始搞不定GPU，可以先安装PyTorch CPU的环境，记住一开始能跑代码就可以）,启动jupyter notebook或者jupyter lab比较简单，只要安装完之后，找一个你后续的工作的workspace下敲入如下图的命令“jupyter lab”就可以启动。
接下来就是import torch，敲出标志性的任何编程语言或者框架的“hello world”了，如下图所示，这是我老家的电脑，PyTorch的版本也比较老，不过也是支持GPU的，可以使用torch.cuda.is_available()的命令查看cuda是否可用。
torch的版本
nvidia的基本信息
好了，到目前为止千万不要被环境所困，也千万别说为了学习深度学习，先买一台高配高显卡的电脑，到目前这个阶段我觉得完全不至于。如果你能够坚持3个月（和我一样的情况下），可以长期租一台GPU的云主机。这样可以让你有动力持续去写代码，部署一些模型。可以在云主机里面运行。言归正传，现在你只要成功安装PyTorch能够成功运行torch.__version__ 就可以了，千万不要执着[打脸]
接下来几个小节，我们将开始入门PyTorch中无处不在的Tensor了。我会根据我目前浅薄的经验和大家一起分享后续我们操作Tensor的一些核心也是我们必须关心的API，同时我们也需要动手操作一些我们常用的API，当然我们也会把所有的重要的API全部覆盖到，有一些核心的如果后面在卷积神经网络，Transformer中如果用到，我们也会有单独的小节进行单独的介绍。
如果大家有兴趣，可以收藏关注，我们持续进行学习。