PyTorch学习-Day 1:PyTorch简介与安装(Mac兼容版)

在Mac上调试PyTorch时，需要注意Mac不支持NVIDIA GPU和CUDA加速，因此只能使用CPU版本，或者如果你的Mac配备了Apple Silicon（M1/M2芯片），可以利用Apple的Metal Performance Shaders (MPS) 来加速计算。以下是针对“Day 1：PyTorch简介与安装”的调整版本，兼容Mac本地环境，并包含代码示例。

Day 1：PyTorch简介与安装（Mac兼容版）

学习内容

1. PyTorch是什么？
2. PyTorch 是一个开源深度学习框架，以动态计算图著称，适合研究和快速原型开发。
3. 在Mac上，PyTorch主要运行在CPU上，M1/M2芯片可通过MPS加速。
4. 为什么选择PyTorch？
5. 灵活性高，调试方便，Python风格代码易上手。
6. 支持Mac原生环境，尤其在Apple Silicon上有优化。
7. Mac上的版本选择
8. CPU版本：适用于所有Mac，安装简单。
9. MPS支持：Apple Silicon（M1/M2）专用，提供类似GPU的加速（需PyTorch 1.12+）。
10. Mac不支持CUDA，因此无需安装GPU相关包。

任务

• 在Mac本地安装PyTorch（CPU或MPS版本）。
• 运行代码测试环境，检查设备支持（CPU或MPS）。

资源建议

• PyTorch官网：访问 pytorch.org/get-started，选择“MacOS”并根据芯片类型（Intel/Apple Silicon）获取安装命令。
• MPS文档：PyTorch官方MPS支持说明（pytorch.org/docs/stable/notes/mps.html）。

安装步骤（Mac本地）

1. 使用pip安装

• Intel Mac（CPU版本）：
• bash
• pip install torch torchvision torchaudio
• Apple Silicon（M1/M2，推荐MPS支持）：
• bash
• pip install torch torchvision torchaudio
• 确保使用Python 3.8+，PyTorch 1.12+默认支持MPS。

2. 使用Conda安装（可选）

• 创建虚拟环境：
• bash
• conda create -n pytorch_env python=3.10 conda activate pytorch_env
• 安装PyTorch：
• bash
• conda install pytorch torchvision torchaudio -c pytorch

3. 验证安装

打开终端，运行Python：

python

import torch
print(torch.__version__)  # 示例输出：2.2.1

代码示例（Mac兼容版）

以下代码适配Mac环境，检测CPU或MPS设备，并执行简单张量操作。

python

import torch

# 检查PyTorch版本
print("PyTorch版本:", torch.__version__)

# 检查可用设备
if torch.backends.mps.is_available() and torch.backends.mps.is_built():
    device = torch.device("mps")  # Apple Silicon (M1/M2) 使用 MPS
    print("使用设备: MPS (Metal Performance Shaders)")
else:
    device = torch.device("cpu")  # 默认使用 CPU
    print("使用设备: CPU")

# 创建一个2x2张量并移动到指定设备
x = torch.tensor([[1, 2], [3, 4]], dtype=torch.float32).to(device)
print("张量 x:\n", x)

# 简单加法
y = x + 2
print("x + 2:\n", y)

# 检查张量所在设备
print("张量所在设备:", x.device)

输出示例

1. Apple Silicon (M1/M2) with MPS

如果你的Mac是M1/M2且PyTorch支持MPS：

PyTorch版本: 2.2.1
使用设备: MPS (Metal Performance Shaders)
张量 x:
 tensor([[1., 2.],
         [3., 4.]], device='mps:0')
x + 2:
 tensor([[3., 4.],
         [5., 6.]], device='mps:0')
张量所在设备: mps:0

2. Intel Mac (CPU)

如果使用Intel芯片或MPS不可用：

PyTorch版本: 2.2.1
使用设备: CPU
张量 x:
 tensor([[1., 2.],
         [3., 4.]])
x + 2:
 tensor([[3., 4.],
         [5., 6.]])
张量所在设备: cpu

注意事项

1. MPS支持条件：
2. 需要PyTorch 1.12+（推荐最新版）。
3. macOS 12.3+，M1/M2芯片。
4. 如果MPS不可用（torch.backends.mps.is_available()返回False），自动回退到CPU。
5. 安装问题排查：
6. 确保pip/conda版本最新（pip install --upgrade pip）。
7. 如果遇到依赖冲突，尝试在干净的虚拟环境中安装：
8. bash
9. python -m venv pytorch_env source pytorch_env/bin/activate pip install torch torchvision torchaudio
10. 性能提示：
11. MPS加速不如NVIDIA GPU，但比CPU快约2-3倍，适合小型实验。
12. 复杂模型可能需云端GPU（如Colab）。

后续准备

完成Day 1后，你已在Mac上成功安装PyTorch并验证了环境。明天（Day 2）将进入张量操作的学习，代码将继续兼容Mac环境。如果安装或运行中有问题，随时告诉我，我会帮你调整！祝你学习顺利！