一、什么是Torch/PyTorch1. 基础概念Torch原本是基于 Lua 语言的深度学习计算框架我们现在 Python 环境使用的PyTorch日常大家口语简称 torch是 Meta原 Facebook基于原 Torch 重构、完全适配 Python 的开源深度学习框架。2. 核心底层载体Tensor张量torch最基础的数据单元是张量 Tensor可以简单理解为1.带GPU加速(如果电脑没有NVIDIA显卡默认使用cpu张量放到GPU上运算实现硬件加速速度提升几十上百倍torch 在CPU上的矩阵运算速度和NumPy几乎一致二者底层都用高性能线性代数库torch 的独有优势不在CPU速度而在于两点一键迁移到GPU实现超大倍率硬件提速自带自动求导autogradNumPy 不支持。)2.支持自动求导的增强版 NumPy 数组3.图片、文本、表格、模型权重全部都会转化为张量参与计算。总结兼容 CPU/GPU 双设备、自带自动求导机制且底层做了并行优化的增强版NumPy数组拥有NVIDIA显卡时可切换GPU实现大幅硬件加速无显卡时在CPU正常运行且CPU运算性能优于原生Python列表持平numpy.二、TorchPyTorch是干什么的1. 两大核心核心能力1高性能数值计算兼容CPU/NVIDIA GPU/苹果M系列MPS芯片硬件加速支持矩阵运算、图像变换、数据统计等海量数值运算速度远超普通Python循环完美替代NumPy且能一键把计算放到显卡上提速。2自动微分 Autograd深度学习灵魂框架自带自动求导引擎不用手动推导复杂数学导数 只需要定义前向计算流程调用.backward()就能自动算出所有参数梯度实现模型训练的反向传播这是深度学习训练的核心基础。2. 主流应用场景场景 1深度学习模型搭建、训练最核心用途覆盖几乎所有 AI 方向计算机视觉图像分类、目标检测、语义分割YOLO、CNN 系列模型自然语言处理大语言模型 LLM、文本分类、翻译语音识别、多模态大模型、生成式 AI文生图、AIGC。配套完整工具链torch.nn搭建神经网络层卷积、全连接、激活函数、损失函数torch.optimAdam/SGD 等优化器用来更新模型参数torch.utils.data数据集、批次加载工具处理训练数据。场景 2算法科研实验学术界首选框架动态图机制代码逐行执行调试简单、易打断点方便快速验证新算法、新论文思路相比 TensorFlow 更灵活。场景 3工业落地部署训练好的模型可以导出为 ONNX、TorchScript部署到服务器、嵌入式设备香橙派、RK 开发板做实时推理广泛用于自动驾驶、工业质检、智能监控等项目。场景 4通用科学计算不想手动写复杂矩阵运算、需要GPU加速数值仿真时也可以单独用torch做数据处理不用深度学习模块。三、Torch优势Python 原生语法门槛低和普通 Python、NumPy 写法高度相似动态计算图运行时才构建计算逻辑调试友好报错定位清晰GPU 一键加速仅需.to(cuda)一行代码就能把计算迁移到显卡生态完善TorchVision图像工具、TorchAudio、TorchText、HuggingFace大模型库全部基于 PyTorch开源免费商用、学术使用无版权限制。四、CPU/GPU版本区别维度CPU 版本 PyTorchGPU (CUDA) 版本 PyTorch运行硬件仅使用电脑 CPU 运算支持 NVIDIA 显卡 GPU 加速CPU 也可兼容运行安装体积安装包很小几十 MB包体巨大数百 MB~1GB内置 CUDA 运行库运算速度训练 / 推理速度慢仅适合学习、小 Demo深度学习训练提速 10~100 倍工业项目必备硬件要求无显卡限制所有电脑通用必须是NVIDIA 显卡AMD 显卡不支持 CUDA核心判断函数torch.cuda.is_available()输出Falsetorch.cuda.is_available()输出True五、安装torch注意事项使用最多的三个库三者之间存在版本关联需要注意如果只是用到torch不进行后续的图像音频操作可以忽略建议依次安装全torch主深度学习核心库版本是基准torchvision图像工具包数据集、卷积预处理、预训练模型必须和 torch 严格配对torchaudio音频工具包同样需要和 torch 主版本一一对应。PyTorch(torch)torchvisiontorchaudio配套 CUDA 版本2.6.00.21.02.6.0CUDA 11.8 / 12.12.5.10.20.12.5.1CUDA 11.8 / 12.12.4.10.19.12.4.1CUDA 11.8 / 12.12.3.10.18.12.3.1CUDA 11.8 / 12.12.2.20.17.22.2.2CUDA 11.8 / 12.12.1.20.16.22.1.2CUDA 11.8 / 12.12.0.10.15.22.0.2CUDA 11.7 / 11.8