PyTorch 中文文档 & 教程

PyTorch 是一个针对深度学习, 并且使用 GPU 和 CPU 来优化的 tensor library (tensor库)

正在翻译: 2.0 中文版本
最新 英文教程	最新 英文文档	最新 中文翻译

---

介绍

欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远。

组织构建[网站]

• GitHub Pages: https://pytorch.apachecn.org

第三方站长[网站]

• pytorch 中文文档: https://www.bookstack.cn/search/result?wd=pytorch
• 地址A: xxx (欢迎留言，我们完善补充)

其他补充

• ApacheCN 学习资源

• ApacheCN 中文翻译组 713436582

PyTorch 官方入口

• 中文文档: https://pytorch.org/resources

建议反馈

• 在我们的 apachecn/pytorch-doc-zh github 上提 issue.
• 发邮件到 Email: apachecn@163.com.
• 在我们的 QQ群: 加入方式 中联系群主/管理员即可.

关于转载

• 最近有很多人联系我们，关于内容授权问题！
• 开源是指知识应该重在传播和迭代(而不是禁止别人转载)
• 不然你TM在GitHub开源，然后又说不让转载，你TM有病吧！
• 禁止商业化，符合协议规范，备注地址来源，重点: 不需要发邮件给我们申请

赞助我们

UCloud赞助

PyTorch 中文文档与教程快速上手指南

本指南基于 pytorch-doc-zh 项目，旨在帮助中国开发者快速访问高质量的 PyTorch 中文学习资源。本项目主要提供文档翻译与教程整理，无需安装额外的“文档工具包”，只需配置好 PyTorch 开发环境即可开始学习。

1. 环境准备

在开始学习前，请确保您的开发环境满足以下要求：

• 操作系统：Windows 10/11, Linux (Ubuntu/CentOS), 或 macOS。
• Python 版本：推荐 Python 3.8 - 3.11。
• 硬件加速（可选但推荐）：NVIDIA GPU 及对应的 CUDA 驱动（用于加速深度学习训练）。
• 前置依赖：
  • pip (Python 包管理工具)
  • git (用于克隆代码示例，可选)

国内加速建议：建议在安装依赖时使用国内镜像源（如清华源、阿里源），以提升下载速度。

2. 安装步骤

由于本项目是文档资源库，核心安装步骤实际上是安装 PyTorch 框架本身。请根据您的网络环境选择以下一种方式进行安装。

方案 A：使用国内镜像源安装（推荐）

使用清华大学开源软件镜像站，大幅缩短下载时间。

# 安装 CPU 版本 (适合无显卡或仅用于推理/轻量学习)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 安装 GPU 版本 (以 CUDA 11.8 为例，请根据实际显卡驱动调整)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

方案 B：官方安装命令

若网络条件良好，可直接使用官方命令（需自行替换 CUDA 版本参数）：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

验证安装

在终端或 Python 交互环境中运行以下代码，确认安装成功且能识别 GPU：

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

3. 基本使用

安装完成后，您可以直接参考本项目整理的中文文档进行开发。以下是一个最基础的张量操作示例，展示 PyTorch 的核心用法。

最简单的使用示例

创建一个简单的神经网络层并进行前向传播：

import torch
import torch.nn as nn

# 1. 创建一个输入张量 (Batch Size=1, 输入特征=10)
x = torch.randn(1, 10)

# 2. 定义一个简单的线性层 (输入 10 -> 输出 5)
linear_layer = nn.Linear(10, 5)

# 3. 执行前向传播
output = linear_layer(x)

# 4. 打印结果
print(f"输入形状：{x.shape}")
print(f"输出形状：{output.shape}")
print(f"是否使用 GPU: {next(linear_layer.parameters()).is_cuda}")

获取中文教程资源

完成上述环境配置后，您可以直接访问以下地址获取完整的中文文档和进阶教程：

• 在线中文文档：https://pytorch.apachecn.org
• GitHub 源码仓库：https://github.com/apachecn/pytorch-doc-zh (可克隆本地查看 Markdown 源码)
• 最新英文原版对照：https://pytorch.org/docs/master/

提示：遇到翻译疑问或发现错误，可通过项目 GitHub Issues 或邮件 (apachecn@163.com) 反馈，共同完善中文生态。