预备课|先把工具用起来 / 提出问题四个数字,能一起加上1吗?
PyTorch 以张量和矩阵运算为基础,把计算、自动求导和模型训练连在一起,是产业与研究中广泛使用的开源框架之一。
- 大厂广泛采用:Meta、微软、NVIDIA 等公司使用或建设 PyTorch 及其生态。
- 支持 CPU 和 GPU:小实验可在普通 CPU 上运行,更大规模的计算也可使用受支持的 GPU。
- 简单直观,容易上手:沿用熟悉的 Python 写法,创建张量、做一次加法只需要几行代码。
- 生态强大:从核心运算到视觉模型、大模型工具和参数微调,有丰富的工具库与社区资源。
学完这章,你能
- 1知道PyTorch与配套工具各做什么
- 2运行张量加法,核对输入与结果
- 3分清网页小实验与本地训练
预计学习 25–40 分钟(本地安装可稍后完成)
先让四个数字各加上 1。能解释输入、运算和结果,就完成了这一节最重要的练习。
从一格到整张表:每个数都加上同一个值对应位置相加
输入 x X2 × 2
点选数值查看含义,↑↓ 微调
+每格加数 offset δ()
一个数,没有行列轴;shape=()。
=加法结果 R2 × 2只读
行列索引从 1 开始
矩阵较宽,可以左右滑动查看完整数字。
输入和权重的数字可以直接修改。点击结果中的格子切换计算;点击下方某一项可重看它。
一起探索 1 / 5
先看一格,再看整张表
- 从第一格开始 点“播放计算”,看1加1得到2,再写回结果的第一格。
- 整张表一起算 四个位置都加1。第一格是2,最后一格是5,表仍是两行两列。
图里可以改加数;后面的小实验要在代码里修改,再点击运行。
这笔加法,和PyTorch有什么关系?
- PyTorch:我们要用的计算与建模框架。
- torch:在Python里使用它的包名,写作
import torch。 - 张量(Tensor):组织数字的数据对象。本节先看两行两列的数字表。本例的形状
shape=(2, 2) 表示两行、每行两列,不是每个数都等于2。
这次代码只做三个动作
从数字到结果
- 创建
torch.tensor 把两行数字保存为 x。 - 计算
x + offset 让每个位置加上同一个数,结果存为 result。 - 查看
print 显示结果,核对它是否和手算一致。
下一步就能运行。其他工具等任务需要时再选。
训练时,torch里还有哪些零件?
torch.nn:搭建网络层。autograd:计算参数怎样影响损失,得到梯度。torch.optim:依据梯度更新参数。torch.utils.data:组织数据,分批取出样本。
它们随torch提供,不用分别安装。自动求导负责算梯度,优化器负责更新参数,后面会逐一实践。
图像和大模型的配套工具,按需查
这些是另选的工具库,不是torch内部的模块。
这笔小加法只用torch。
可选 · 在自己的电脑上准备官方 PyTorch
网页练习不需要执行下面的命令。希望下载代码并在本地运行时,再完成这四步;电脑要先有官方支持的 Python 版本。
1 · 建立独立环境
先在终端进入准备保存练习的文件夹,再选择自己系统对应的一组命令。
macOS / Linux:
示例代码bash2python3 -m venv .venv3 5source .venv/bin/activate6 8python -c "import sys; print(sys.executable)"
Windows 命令提示符(CMD):
示例代码bat2python -m venv .venv3 5.venv\Scripts\activate.bat6 8python -c "import sys; print(sys.executable)"
REM 是 CMD 的注释写法,可以连同命令一起复制。
如果用 PowerShell,可以直接以 .\.venv\Scripts\python.exe 替代后续命令开头的 python,无需更改脚本执行策略。重新打开终端后,要重新激活,或继续使用环境中 Python 的完整路径。
2 · 根据官方安装页选择命令
打开 PyTorch 官方安装页,选择自己的系统、Pip、Python 和计算平台。这个小实验使用 CPU 就够了;各系统提供的选项可能不同。
把安装命令开头的 pip 或 pip3 换成 python -m pip,保留官方给出的包名、版本和下载参数。这样使用的就是第一步确认的 Python。官方命令有时也会列出配套领域库,本节仍只使用 torch。
3 · 核对安装结果
示例代码bash2python -c "import torch; print(torch.__version__); print(torch.tensor([1, 2]) + 1)"
先看到实际版本号,再看到 tensor([2, 3]),说明当前环境能导入 torch 并完成这次计算。
4 · 下载本章代码,用同一个环境运行
在后面的小实验中下载 lesson.py,进入文件所在目录,再执行:
示例代码bash2python lesson.py
默认应输出输入 [[1, 2], [3, 4]]、形状 (2, 2) 和结果 [[2, 3], [4, 5]]。
运行后,下方的输入和结果矩阵来自这次代码执行。先看数字怎样变化,张量的形状与用法会在向量到张量与PyTorch基础细讲。
只改一处,马上核对
先运行,保持 offset = 1,结果第一格应是 2,最后一格是 5,形状是 (2, 2)。
只把 offset = 1 改成 offset = 10,再运行,结果第一格应是 11,最后一格是 14;输入仍是原来的四个数。保留输入;改乱时点“重置代码”。
先读代码注释,再运行;下方显示这次实际计算的结果。
输入时自动提示 · Ctrl + Space 查看补全 · Ctrl / ⌘ + Enter 运行
点击运行,查看结果
还没有运行。先读代码注释,再点击运行。
想在电脑上运行?
本页的小例子直接在网页运行即可。需要额外软件包或更大的训练任务时,可复制代码,在电脑的 PyTorch 环境继续运行。
开源许可证 再试两次:加零,或只改一个输入
每次先点“重置代码”。
- 只改成
offset = 0:结果的每一格都与输入相同。 - 保持
offset = 1,只把输入第一项1改成5:结果第一格是6,另外三个位置不变。
shape、tuple、tolist,各做什么?
x.shape:各个轴的大小。本例先按行数、列数读。tuple(x.shape):把形状显示为 (2, 2),不改变张量。x.tolist():转成普通Python列表,方便打印。
网页运行和本地运行,需要分别安装吗?
这次网页实验直接点击运行。网页编辑器与电脑上的Python是两个独立环境;要下载到本地运行,再按前一步的安装说明准备。后续完整训练或暂未支持的操作,会在对应章节说明。
下载本章张量加法练习预备课|先把工具用起来 / Q&A确认你已经分清工具和结果
一起探索 4 / 5
创建张量 → 整体加法 → 核对真实输出。下面两个问题可选做,也可以直接看小结。
本地报No module named torch,怎样查?
先运行 python -c "import sys; print(sys.executable)" 确认当前Python,再用同一个解释器运行 python -m pip show torch。
确认环境后,使用官方安装页给出的适配命令,再核对安装结果。用完整解释器路径时,以上每处 python 都换成那条路径。
没有显卡,或者版本号不同,能继续吗?
本章的小加法用CPU就够了,不要求固定版本号。先核对能否导入torch、输入与输出是否一致;后续若有版本或设备要求,会在对应实验说明。
先创建张量,再做运算,最后核对实际结果。
从一格到整张表:每个数都加上同一个值对应位置相加
输入 x X2 × 2
点选数值查看含义,↑↓ 微调
+每格加数 offset δ()
一个数,没有行列轴;shape=()。
=加法结果 R2 × 2只读
行列索引从 1 开始
矩阵较宽,可以左右滑动查看完整数字。
输入和权重的数字可以直接修改。点击结果中的格子切换计算;点击下方某一项可重看它。
这里和前面的动画、代码编辑器各自操作,数值不会自动同步。
带着这个本领继续
用在哪:把一组数字交给torch计算。PyTorch是框架,torch是Python中的包名;这里还没有模型训练。
再试一处:上面的演示默认每格加1。把“加上的数”拖到10,第一格应是11、最后一格14,两行两列不变。
回到本节实验 · 继续:CPU与GPU
需要时查官方参考,先找这次用到的那一部分。