神经网络-pytorch 安装
pytorch是一个深度学习的框架
torch的意思是火炬，这是Facebook的开源神经网络框架，pytorch就是它的python版本啊，与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。
我觉得可能比较适合初学者，但也不适合，这是一个高度结成的框架，只需要我们设计网络结构就可以，但是对我们加深神经网络的理解不是很友好，总之在基本掌握原理之后，使用起来还是很方便的。
这个神经网络框架需要注意的地方如下：
1.它极大的支持了numpy的数组操作，而知道的人都明白numpy跟matlab的矩阵设定极度相似，对某些人来说会很方便。在torch中，提供了Tensor张量与numpy的转化函数。
2.Tensor张量 （此条简介来自于简书 https://www.jianshu.com/p/5ae644748f21）
标量（Scalar）是只有大小，没有方向的量，如1，2，3等
向量（Vector）是有大小和方向的量，其实就是一串数字，如(1,2)
矩阵（Matrix）是好几个向量拍成一排合并而成的一堆数字，如[1,2;3,4]
那么张量（Tensor）是什么呢？可以形容称三维的矩阵，也就是一个立方体
其实标量，向量，矩阵它们三个也是张量，标量是零维的张量，向量是一维的张量，矩阵是二维的张量。
在torch中创建使用跟矩阵是一样的，以后我们将会详细讲解
3.该框架支持GPU加速，这个在选择安装包的时候就需要注意，是选择None的CPU版本的，还是选择CUDA版本的。
安装的方法其实别自己捅咕，去官网看一眼
安装方法在Run this command中已经给出，一般情况下安装完就可以使用。
注意：
1.Package中的几个选择有哪些不同，PIP大家都懂，LIb和source也就是库和源码安装，关键的是这个conda
网友的解答
我们长期参与python世界，我们都知道pip，easy_install和virtualenv，但这些工具并不能满足我们所有的特定要求。 主要问题是它们专注于Python，忽略了非Python库依赖项，如HDF5，MKL，LLVM等，它们的源代码中没有setup.py，也没有将文件安装到Python的站点中 -packages目录。
所以Conda是一个包装工具和安装程序，旨在做的不仅仅是pip做的事情; 处理Python包之外的库依赖项以及Python包本身。 Conda还创建了一个虚拟环境，就像virtualenv一样。
因此，Conda应该与Buildout进行比较，这是另一个可以让你处理Python和非Python安装任务的工具。
2.CUDA我们前面说过，这个库支持GPU加速，选择的时候有多个版本。有关问题的网友回答：
你好, CUDA是一个scalable的库,也就说它可以用到任何支持CUDA的平台。你可以装最新的版本,没有关系。 谢谢,望采纳
能同时安装不同版本的CUDA吗 ？
这相当于一台电脑安装两个不同版本JDK，使用的时候就是把nvcc 的链接换一下就行了。