计图入门教程 0 --- 介绍与安装¶

计图 (Jittor) 是一个以 Python 为前端语言的深度学习框架，它

• 效率高：可作为 NumPy，PyTorch 的替代品，可以使用 GPU 等其他加速器进行高效的数据运算。除此之外，计图还拥有多个创新点，旨在大幅提升其运算效率；
• 易使用：是一个用于实现神经网络的自动微分库，并集成了大量有关深度学习的函数库，方便您快速开展开发任务。

通过本教程，您将

• 学习并理解计图中基本类型的一般操作；
• 了解神经网络的一些基本概念，并学会如何利用计图进行神经网络的训练；
• 解决一个机器学习的经典实战问题。

本教程的适用群体：
我们的目标是，只要您会 Python 编程，即可通过本教程学习并掌握如何使用计图进行深度学习的开发。不用担心，本教程几乎对所有的关键代码都加以注释说明。只要您耐心跟着本教程一步步学习，便一定能有所斩获。

现在，请您开启计图快速入门之旅。

安装¶

Jittor框架对环境要求如下:

• 操作系统: Ubuntu >= 16.04 或 Windows Subsystem of Linux（WSL）
• Python：版本 >= 3.7
• C++编译器 （需要下列至少一个）
  • g++ （>=5.4.0）
  • clang （>=8.0）
• GPU 编译器（可选）：nvcc >=10.0
• GPU 加速库（可选）：cudnn-dev (cudnn开发版, 推荐使用tar安装方法，参考链接)

如果您不希望手动配置环境，我们推荐使用 Docker 进行安装。 除此之外，您还可以使用 pip 安装和手动安装。

注意：目前Jittor通过WSL的方式在Windows操作系统上运行，WSL的安装方法请参考微软官网，WSL版本目前尚不支持CUDA。

Jittor 提供了三种安装方法：docker，pip和手动安装：

Docker 安装¶

我们提供了Docker安装方式，免去您配置环境，Docker安装方法如下：

# CPU only(Linux)
docker run -it --network host jittor/jittor
# CPU and CUDA(Linux)
docker run -it --network host --gpus all jittor/jittor-cuda
# CPU only(Mac and Windows)
docker run -it -p 8888:8888 jittor/jittor
# Upgrade jittor docker image
docker pull jittor/jittor
docker pull jittor/jittor-cuda

关于Docker安装的详细教程，可以参考Windows/Mac/Linux通过Docker安装计图

Pip 安装¶

如果您没有准备好环境，或者使用的不是Ubuntu操作系统， 推荐使用docker安装， 如果您已经装好编译器和对应版本的Python,我们强烈推荐您使用这种方法 (如果无法访问github, 可以通过jittor主页下载):

sudo apt install python3.7-dev libomp-dev
python3.7 -m pip install jittor
# or install from github(latest version)
# python3.7 -m pip install git+https://github.com/Jittor/jittor.git
python3.7 -m jittor.test.test_example

# Upgrade jittor from pip
python3.7 -m pip install jittor -U
# Upgrade jittor from github
python3.7 -m pip install git+https://github.com/Jittor/jittor.git -U

如果测试运行通过,恭喜你已经安装完成. jittor会自动在路径中寻找合适的编译器, 如果您希望手动指定编译器, 请使用环境变量 cc_path 和 nvcc_path(可选).