Lección 2 del curso PyTorch Nivel Básico.
En la primera lección de este curso vimos una introducción a PyTorch y específicamente vimos qué es y para qué sirve esta librería, por qué resulta importante aprender a usarla así como algunas de sus características.
En esta segunda lección del curso veremos cómo instalar PyTorch localmente en nuestros computadores así como la manera de configurar la librería para que haga uso de la CPU o de la GPU (en caso de que esta segunda opción esté disponible):
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, la instalación local de PyTorch es un proceso muy sencillo y sigue la misma lógica de instalación de cualquier librería, usando los comandos «conda» o «pip». La única sugerencia es que, como con cualquier otro proyecto de Python, se sugiere la creación de un entorno virtual que evitará conflictos con otras posibles instalaciones.
De igual forma vimos cómo configurar PyTorch para que haga uso de la CPU (dispositivo por defecto) o de la GPU (en caso de que esté disponible) y cómo definir el tipo de dispositivo que usará, por ejemplo, un tensor.
Así que en este punto ya estamos listos para comenzar a aprender a usar esta librería. Entonces en la próxima lección comenzaremos con el tipo de dato sobre el cual están construidas todas las operaciones y arquitecturas de Deep Learning que se pueden implementar en PyTorch: los tensores.
Todas las lecciones del curso PyTorch Nivel Básico