PyTorch 教程

相信尝试找到此教程的你，已经知道 PyTorch 的用途。

找到此教程的你，也许跟我一样，尝试过各种教程，官方的教程文档，各色的视频，但发现都不是很友好。

所以机缘巧合下，录制了这个视频。

如何使用

本系列教程，致力于打造成为通俗易懂的教程。所以课程安排的思路也是比较特点，相信一定能让你快速入门。

本文提供视频版（已完结）。2021 年完结。

视频中涉及的代码均在src文件夹中。

视频版：https://www.bilibili.com/video/av74281036/

后续规划 & 进阶

写于 2025年12月。

最近录制了新的视频教程，目前检测入门教程。

可以看作是 PyTorch 入门教程后续的实战或者进阶教程。正在努力更新中...

https://www.bilibili.com/video/BV19Z31z8ENH/

其实，我还有很多的课程想法以及一些奇怪的课程规划，但对于一个拖延症患者而言，先努力保持更新才是最重要的 :)

如果你对此还挺期待的，可以关注公众号【我是土堆】，到时候我会在上面更新些有意思的东西。（很久很久没写文章了，上一篇还是几年前。）

PyTorch 教程快速上手指南

本指南基于开源项目 pytorch-tutorial，旨在帮助开发者快速搭建环境并配合视频教程入门 PyTorch。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.8 - 3.10
• 前置依赖：
  • pip (Python 包管理工具)
  • git (用于克隆代码仓库)
• 硬件建议：若需进行 GPU 加速训练，请确保已安装对应的 NVIDIA 驱动和 CUDA Toolkit。

安装步骤

1. 获取源代码

首先克隆本教程仓库，视频中涉及的所有代码均位于 src 文件夹中。

git clone https://github.com/yunjey/pytorch-tutorial.git
cd pytorch-tutorial

2. 安装 PyTorch

推荐使用国内镜像源（如清华大学镜像源）以加快下载速度。请根据你的实际硬件情况（CPU 或 GPU）选择安装命令。

方案 A：使用 pip + 清华镜像源（推荐）

• 仅 CPU 版本：

  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
  

• CUDA 11.8 版本（适用于大多数 NVIDIA 显卡）：

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

• CUDA 12.1 版本（适用于较新显卡）：

  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
  

方案 B：安装其他依赖 进入 src 目录，安装示例代码可能需要的其他第三方库：

cd src
pip install -r requirements.txt
# 如果没有 requirements.txt，可根据具体示例脚本按需安装，例如：
# pip install matplotlib numpy pillow

基本使用

本教程的核心学习方式是观看视频 + 运行源码。

1. 观看教程视频：

   • 入门系列（已完结）：Bilibili 视频链接
   • 进阶/实战系列（更新中）：Bilibili 视频链接

2. 运行示例代码： 代码文件位于 src 目录下，通常以 .py 结尾。你可以直接运行对应的脚本来复现视频中的效果。

   示例：运行一个基础的神经网络训练脚本 （假设当前目录下有一个名为 train.py 的示例文件）

   cd src
   python train.py
   

   注：具体运行的文件名请参考对应视频章节的代码说明，部分示例可能需要下载数据集，脚本通常会自动处理或提供下载链接。

3. 后续学习： 完成基础示例后，可尝试修改超参数、网络结构或替换数据集，以深入理解 PyTorch 的工作机制。更多进阶内容请关注作者公众号【我是土堆】获取更新动态。