一、简介

深度学习框架是一种界面、库或工具，它使我们在无需深入了解底层算法的细节的情况下，能够更容易、更快速地构建深度学习模型。深度学习框架利用预先构建和优化好的组件集合定义模型，为模型的实现提供了一种清晰而简洁的方法。目前主流的深度学习框架有TensorFlow、Keras、PyTorch、Caffe。

TensorFlow

TensorFlow是由谷歌大脑团队的研究人员和工程师开发的，它是深度学习领域中最常用的软件库。这是一款使用C++语言开发的开源数学计算软件，使用数据流图（Data Flow Graph）的形式进行交互。TensorFlow有许多组件，其中最为突出的是：
（1）Tensorboard： 帮助使用数据流图进行有效的数据可视化
（2）TensorFlow： 用于快速部署新算法/试验
目前有很多基于TensorFlow进行封装的第三方库，比较有名几个是：Keras、Tflearn、tfslim、TensorLayer。

Keras

Keras用Python编写，可以在TensorFlow（以及CNTK和Theano）之上运行。TensorFlow的接口具备挑战性，因为它是一个低级库，新用户可能会很难理解某些实现。
而Keras是一个高层的API，它为快速实验而开发。因此，如果希望获得快速结果，Keras会自动处理核心任务并生成输出。Keras支持卷积神经网络和递归神经网络，可以在CPU和GPU上无缝运行。
深度学习的初学者经常会抱怨：无法正确理解复杂的模型。如果你是这样的用户，Keras便是你的正确选择！它的目标是最小化用户操作，并使其模型真正容易理解。

Caffe

Caffe是另一个面向图像处理领域的、比较流行的深度学习框架，它是由贾阳青（Yangqing Jia）在加利福尼亚伯克利大学读博士期间开发的。同样，它也是开源的！
从它的名字就可以看出其对卷积网络的支持特别好，同时也使用C++编写的。

PyTorch

PyTorch是Torch7团队开发的，从它的名字就可以看出，其与Torch的不同之处在于PyTorch使用了Python作为开发语言。PyTorch既可以看做加入了GPU支持的numpy,同时也可以看成一个拥有自动求导功能的强大的神经网络。

二、PyTorch环境搭建

1、安装Anaconda 3.5

Anaconda是一个用于科学计算的Python发行版，支持Linux、Mac和Window系统，提供了包管理与环境管理的功能，可以很方便地解决Python并存、切换，以及各种第三方包安装的问题。

1.1 下载：

可以直接从 Anaconda官网下载，但因为Anaconda的服务器在国外，所以下载速度会很慢，这里推荐使用清华的镜像来下载。选择合适你的版本下载，我这里选择Anaconda3-5.1.0-Windows-x86_64.exe

1.2 安装

下载好后安装，自己选择路径就好，基本上默认就可以。

安装完成后，进行Anaconda的环境变量配置，打开控制面板->高级系统设置->环境变量->系统变量找到Path，点击编辑，加入三个文件夹的存储路径（注意三个路径之间需用分号隔开），如图所示：

至此，Anaconda 3.5 windows版就安装设置好了，打开程序找到Anaconda Navigator，启动后可以看到：

1.3 有序的管理环境

这里需要大家查一下自己的python版本，win+R进入cmd，输入python即可获得对应版本信息。（没有配置python环境path则不能查询）

我的版本是3.8，所以下面也也安装3.8版本的，pytorch 是后边建立里的命名
如果不清楚自己的python版本，win+R，打开cmd控制台，输入python就可以看到自己的版本信息。
conda create -n pytorch python=3.8
之后，弹出提示，输入 y，即可安装。
安装成功后，输入以下指令：
conda info --envs
即可看到 conda 环境中，有新建的 pytorch 环境（你可以取别的名字，你取啥叫啥），右边的 * 号表示，当前你处于哪个环境。