这些日子，借着新版本 opencv4.0库，把以往工程学的图像处理知识都温习一遍；然后花了2个月左右写了一个“可视化算法平台”，将大部分的算法，都集成到了 平台里面。
最近决定好好整理、并认真学习一下 pytorch框架，
对于深度学习，我目前只是用 Yolov3和FasterRCNN等模型库，但是还没有去深入学习一个框架。最近正好有时间和心情，我计划三步走：
先熟练pytorch库，
然后学习构建深度学习模型，
最后就是优化现有的模型。
首先从 官网下载 pytorch.
pytorch C++版本
https://download.pytorch.org/libtorch/cu100/libtorch-win-shared-with-deps-latest.zip
pytorch python版本
pip3 install https://download.pytorch.org/whl/cu100/torch-1.1.0-cp37-cp37m-win_amd64.whlpip3 install https://download.pytorch.org/whl/cu100/torchvision-0.3.0-cp37-cp37m-win_amd64.whl我比较喜欢用 C++写代码，毕竟写了10年了，容易用在高性能上。虽然写了3年python，但仍然热爱 C/C++，因为我可以看到底层代码。我正好可以用 python 和 C++对照着 翻译代码。
我编译pytorch的 demo，发现 visual studio 2015 有一堆bug. 该死的 C++17语法，导致很多代码无法编译。没办法，安装 visual studio 2017。仍然还有一堆bug.
我解决了一些重要的bug:
std不明确的bug
我直接用
::std:: 替换 std:: 解决还有就是 using 语句 导致的一些 异常，可以用等价的 typedef语法解决。
……
然后就是学习 tutorial.
第一个demo，官网
https://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html#sphx-glr-beginner-blitz-tensor-tutorial-py
import torchx = torch.empty(5, 3) #没初始化的 张量print(x)x = torch.rand(5, 3) #随机初始化的 张量print(x)x = torch.zeros(5, 3, dtype=torch.long) #初始化0的 张量print(x)x = torch.tensor([5.5, 3]) #直接从数据初始化张量print(x)x = x.new_ones(5, 3, dtype=torch.double) #复制x属性,初始化张量print(x)x = torch.randn_like(x, dtype=torch.float) # override dtypey = torch.rand(5, 3)print(x + y) #加法print(torch.add(x, y)) #第二种加法result = torch.empty(5, 3) #第三种加法torch.add(x, y, out=result)print(result)y.add_(x) #第四种, 就地加法,修改 yprint(y)print(x[:, 1]) #切片语法……翻译成 C++，
vector sizes; at::TensorOptions opts; at::Tensor t = torch::ones( at::IntArrayRef(sizes) ,opts);其他创建方法类似C++支持的 创建方法:
张量创建方法
张量操作算法
然后我用 可视化平台编译成几个插件,测试一下:
测试 rand 张量
测试 算术 add
其中，我遇到一个坑，Qt 库对 slots 冲突:
Qt库冲突
我用很简单方法解决，就是 把 业务逻辑、算法全部写在 库里，解决冲突问题。
由于 对 pytorch不是很熟，凭借自己这些年对C++的理解和软件工程能力，我将好好学习、整理，把torch的功能用可视化平台，边学边集成。
万事开头难，迈出学习pytorch的第一步。