如何在Ubuntu上运行PyTorch示例代码

在Ubuntu上运行PyTorch示例代码，你需要先安装PyTorch库，然后编写或获取一个示例代码，最后运行这个代码。以下是详细步骤：

步骤1：安装PyTorch

1. 打开终端 (快捷键 Ctrl + Alt + T)。

2. 更新包列表：

   sudo apt update 

3. 安装Python和pip（如果尚未安装）：

   sudo apt install python3 python3-pip 

4. 安装PyTorch：

   • 访问PyTorch官网：https://pytorch.org/get-started/locally/
   • 根据你的系统配置选择合适的安装命令。例如，如果你使用的是CUDA 11.7，可以运行：

     pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 

   • 如果你不使用GPU，可以运行：

     pip3 install torch torchvision torchaudio 

步骤2：编写或获取示例代码

你可以从PyTorch官网的教程页面找到示例代码，或者自己编写一个简单的PyTorch程序。以下是一个简单的PyTorch示例代码：

import torch import torch.nn as nn import torch.optim as optim # 定义一个简单的神经网络 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.fc1 = nn.Linear(784, 128) self.fc2 = nn.Linear(128, 10) def forward(self, x): x = x.view(-1, 784) x = torch.relu(self.fc1(x)) x = self.fc2(x) return x # 创建网络实例 net = Net() # 定义损失函数和优化器 criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(net.parameters(), lr=0.01) # 生成一些虚拟数据 inputs = torch.randn(64, 1, 28, 28) labels = torch.randint(0, 10, (64,)) # 前向传播 outputs = net(inputs) loss = criterion(outputs, labels) # 反向传播和优化 optimizer.zero_grad() loss.backward() optimizer.step() print(f'Loss: {loss.item()}') 

步骤3：运行示例代码

1. 保存代码：将上述代码保存到一个文件中，例如 example.py。

2. 运行代码：

   python3 example.py 

如果一切顺利，你应该会看到输出的损失值。

注意事项

• 确保你的系统满足PyTorch的安装要求，特别是CUDA版本（如果你打算使用GPU）。
• 如果遇到安装问题，可以参考PyTorch官方文档或社区论坛寻求帮助。
• 示例代码仅供参考，实际应用中可能需要根据具体需求进行调整。

通过以上步骤，你应该能够在Ubuntu上成功运行PyTorch示例代码。