如何在Ubuntu上運行PyTorch示例代碼

在Ubuntu上運行PyTorch示例代碼，你需要先安裝PyTorch庫，然后編寫或獲取一個示例代碼，最后運行這個代碼。以下是詳細步驟：

步驟1：安裝PyTorch

1. 打開終端 (快捷鍵 Ctrl + Alt + T)。

2. 更新包列表：

   sudo apt update
   

3. 安裝Python和pip（如果尚未安裝）：

   sudo apt install python3 python3-pip
   

4. 安裝PyTorch：

   • 訪問PyTorch官網：https://pytorch.org/get-started/locally/
   • 根據你的系統配置選擇合適的安裝命令。例如，如果你使用的是CUDA 11.7，可以運行：

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

   • 如果你不使用GPU，可以運行：

     pip3 install torch torchvision torchaudio
     

步驟2：編寫或獲取示例代碼

你可以從PyTorch官網的教程頁面找到示例代碼，或者自己編寫一個簡單的PyTorch程序。以下是一個簡單的PyTorch示例代碼：

import torch
import torch.nn as nn
import torch.optim as optim

# 定義一個簡單的神經網絡
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

# 創建網絡實例
net = Net()

# 定義損失函數和優化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 生成一些虛擬數據
inputs = torch.randn(64, 1, 28, 28)
labels = torch.randint(0, 10, (64,))

# 前向傳播
outputs = net(inputs)
loss = criterion(outputs, labels)

# 反向傳播和優化
optimizer.zero_grad()
loss.backward()
optimizer.step()

print(f'Loss: {loss.item()}')

步驟3：運行示例代碼

1. 保存代碼：將上述代碼保存到一個文件中，例如 example.py。

2. 運行代碼：

   python3 example.py
   

如果一切順利，你應該會看到輸出的損失值。

注意事項

• 確保你的系統滿足PyTorch的安裝要求，特別是CUDA版本（如果你打算使用GPU）。
• 如果遇到安裝問題，可以參考PyTorch官方文檔或社區論壇尋求幫助。
• 示例代碼僅供參考，實際應用中可能需要根據具體需求進行調整。

通過以上步驟，你應該能夠在Ubuntu上成功運行PyTorch示例代碼。