概括
根據pytorch官網介紹的安裝pytorch命令，執行 pip3 install torch torchvision torchaudio 後，出現一堆相關包，現介紹如下，記錄並熟記。
核心包
- torch：也稱為 PyTorch，是一個開源的機器學習庫，主要用於深度學習。它提供了張量計算（類似於 NumPy）和 GPU 加速。
- torchvision：是 PyTorch 的一個擴充套件庫，專門用於計算機視覺任務。它包含常用的資料集、模型和影像處理工具。
- torchaudio：是 PyTorch 的一個擴充套件庫，專門用於音訊處理。它提供了音訊資料的載入、轉換和模型。
依賴包
安裝 PyTorch 及其擴充套件庫時，會涉及到很多其他包和庫，這些包用於提供底層功能、最佳化效能或處理其他特定任務：
- mpmath：一個 Python 庫，用於執行任意精度的浮點數運算。
- typing-extensions：提供了 Python 標準庫中 typing 模組的新功能，這些功能可能在將來會被新增到標準庫中。
- sympy：用於符號數學計算的 Python 庫。
- pillow：一個 Python 影像處理庫。
- 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：這些是 NVIDIA 提供的庫，用於在 GPU 上進行高效計算。它們涵蓋了各種加速計算的功能，包括隨機數生成（curand）、FFT（cufft）、基本線性代數（cublas）、稀疏矩陣運算（cusparse）、深度神經網路加速（cudnn）、解線性方程（cusolver）等。
- numpy：一個常用的科學計算庫，提供支援大型多維陣列和矩陣的操作，以及大量的數學函式庫。
- networkx：用於建立、操作和研究複雜網路結構的 Python 庫。
- MarkupSafe：一個用於標記安全字串的庫，通常用於防止 HTML 注入。
- fsspec：一個檔案系統規範介面，可以與多個檔案系統進行互動。
- filelock：提供一個簡單的跨平臺檔案鎖機制。
- jinja2：一個用於 Python 的現代和設計友好的模板引擎，通常用於生成 HTML 檔案。
關係與作用
- torch 是主要的深度學習框架，需要使用 GPU 加速和科學計算庫，因此依賴於多個 NVIDIA 庫（如
nvidia-cublas-cu12,nvidia-cudnn-cu12）和科學計算庫（如numpy）。 - torchvision 和 torchaudio 分別用於計算機視覺和音訊處理，依賴於
torch提供的核心功能，並且可能依賴於影像處理庫（如pillow）和音訊處理庫。 - 這些 NVIDIA 庫 提供了對 GPU 的支援，使得 PyTorch 可以利用 GPU 加速深度學習計算。
- 其他庫如
networkx,sympy,MarkupSafe,jinja2等提供了輔助功能，支援資料處理、符號計算、模板引擎等任務。
這些包的組合使得 PyTorch 及其擴充套件庫能夠高效地處理深度學習任務，特別是在有 GPU 支援的情況下，大大提高了計算效能和處理能力。