pytorch 包介绍

概括

根据pytorch官网介绍的安装pytorch命令，运行 pip3 install torch torchvision torchaudio 后，出现一堆相关包，现介绍如下，记录并熟记。

核心包

1. torch：也称为 PyTorch，是一个开源的机器学习库，主要用于深度学习。它提供了张量计算（类似于 NumPy）和 GPU 加速。
2. torchvision：是 PyTorch 的一个扩展库，专门用于计算机视觉任务。它包含常用的数据集、模型和图像处理工具。
3. torchaudio：是 PyTorch 的一个扩展库，专门用于音频处理。它提供了音频数据的加载、转换和模型。

依赖包

安装 PyTorch 及其扩展库时，会涉及到很多其他包和库，这些包用于提供底层功能、优化性能或处理其他特定任务：

1. mpmath：一个 Python 库，用于执行任意精度的浮点数运算。
2. typing-extensions：提供了 Python 标准库中 typing 模块的新功能，这些功能可能在将来会被添加到标准库中。
3. sympy：用于符号数学计算的 Python 库。
4. pillow：一个 Python 图像处理库。
5. nvidia-nvtx-cu12, nvidia-nvjitlink-cu12, nvidia-nccl-cu12, nvidia-curand-cu12, nvidia-cufft-cu12, nvidia-cuda-runtime-cu12, nvidia-cuda-nvrtc-cu12, nvidia-cuda-cupti-cu12, nvidia-cublas-cu12, nvidia-cusparse-cu12, nvidia-cudnn-cu12, nvidia-cusolver-cu12：这些是 NVIDIA 提供的库，用于在 GPU 上进行高效计算。它们涵盖了各种加速计算的功能，包括随机数生成（curand）、FFT（cufft）、基本线性代数（cublas）、稀疏矩阵运算（cusparse）、深度神经网络加速（cudnn）、解线性方程（cusolver）等。
6. numpy：一个常用的科学计算库，提供支持大型多维数组和矩阵的操作，以及大量的数学函数库。
7. networkx：用于创建、操作和研究复杂网络结构的 Python 库。
8. MarkupSafe：一个用于标记安全字符串的库，通常用于防止 HTML 注入。
9. fsspec：一个文件系统规范接口，可以与多个文件系统进行交互。
10. filelock：提供一个简单的跨平台文件锁机制。
11. jinja2：一个用于 Python 的现代和设计友好的模板引擎，通常用于生成 HTML 文件。

关系与作用

• torch 是主要的深度学习框架，需要使用 GPU 加速和科学计算库，因此依赖于多个 NVIDIA 库（如 nvidia-cublas-cu12, nvidia-cudnn-cu12）和科学计算库（如 numpy）。
• torchvision 和 torchaudio 分别用于计算机视觉和音频处理，依赖于 torch 提供的核心功能，并且可能依赖于图像处理库（如 pillow）和音频处理库。
• 这些 NVIDIA 库 提供了对 GPU 的支持，使得 PyTorch 可以利用 GPU 加速深度学习计算。
• 其他库如 networkx, sympy, MarkupSafe, jinja2 等提供了辅助功能，支持数据处理、符号计算、模板引擎等任务。

这些包的组合使得 PyTorch 及其扩展库能够高效地处理深度学习任务，特别是在有 GPU 支持的情况下，大大提高了计算性能和处理能力。