Chuyển đến nội dung

pytorch / pytorch

PyTorch

Thư viện học sâu phổ biến nhất giới nghiên cứu, tính toán tensor trên GPU và huấn luyện mạng nơ-ron

PyTorch là thư viện Python để tính toán trên tensor (mảng số nhiều chiều, giống NumPy nhưng chạy được trên card đồ hoạ) và xây dựng, huấn luyện mạng nơ-ron. Phần lớn công cụ AI mã nguồn mở bạn nghe tên như Transformers hay các mô hình tạo ảnh đều chạy trên nền PyTorch. Dành cho sinh viên, nhà nghiên cứu và lập trình viên muốn học hoặc tự làm AI.

  • 105.539 sao
  • 30.718 fork
  • Python
  • Cập nhật hôm nay
  • Giấy phép riêng, xem trên GitHub
Độ khó
Khó Dành cho người biết lập trình
Dạng
Thư viện lập trình
Chạy trên
Windows, macOS, Linux, Docker, Python
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng PyTorch

Bạn vào trang pytorch.org, chọn hệ điều hành, cách cài và loại card đồ hoạ, trang sẽ đưa ra đúng một dòng lệnh để dán vào Terminal. Cài xong, bạn mở Python và thử tạo vài tensor, nhân ma trận, rồi chuyển phép tính sang card đồ hoạ để thấy sự khác biệt.

PyTorch chạy câu lệnh nào là có kết quả ngay, không phải dựng sẵn cả sơ đồ tính toán rồi mới chạy. Nhờ vậy khi gặp lỗi, thông báo chỉ thẳng đến dòng code của bạn, và bạn có thể dùng debugger như với code Python bình thường. Đây là lý do nhiều người thấy nó dễ học.

Từ đó bạn đi tiếp theo các bài hướng dẫn chính thức: tải dữ liệu, dựng mô hình, huấn luyện và lưu lại. Khi cần mô hình có sẵn, bạn gần như chắc chắn sẽ gặp PyTorch ẩn bên dưới các thư viện khác.

Tính năng nổi bật

Tensor chạy trên GPU như NumPy

Có thể thay NumPy cho các tính toán số lớn và đẩy sang card đồ hoạ để tăng tốc đáng kể.

Tự động tính đạo hàm

Hệ thống autograd ghi lại các phép tính và tự suy ra đạo hàm, giúp bạn không phải tính tay khi huấn luyện mạng nơ-ron.

Mạng động, linh hoạt

Cấu trúc mạng có thể thay đổi ngay khi chạy, rất tiện cho thử nghiệm và nghiên cứu.

Thiết kế sát Python

Dùng chung với NumPy, SciPy và viết lớp mạng mới bằng Python thuần mà không cần học một ngôn ngữ khác.

Nhiều lựa chọn phần cứng

Hỗ trợ CUDA của NVIDIA, ROCm của AMD và GPU Intel; xem bảng chọn trên trang chính thức để lấy lệnh đúng.

Hệ sinh thái lớn

Có kho ví dụ code chính thức, tutorials, và là nền cho phần lớn thư viện AI mã nguồn mở hiện nay.

Tận dụng PyTorch vào việc gì?

Sinh viên, người tự học AI

Học deep learning từ nền tảng

Làm theo các bài Learn the Basics trên pytorch.org để hiểu tensor, huấn luyện và đánh giá mô hình trước khi dùng thư viện cấp cao.

Lập trình viên, nhóm sản phẩm

Tự huấn luyện mô hình nhỏ cho dữ liệu riêng

Huấn luyện mô hình phân loại ảnh sản phẩm hay dự đoán từ dữ liệu bảng bằng GPU trên máy hoặc trên dịch vụ đám mây.

Người làm nội dung có biết Python, kỹ sư

Chạy và chỉnh sửa mô hình AI mã nguồn mở

Hiểu và sửa các dự án như mô hình tạo ảnh, nhận dạng giọng nói vì chúng đều dùng PyTorch.

Nghiên cứu sinh, nhà khoa học dữ liệu

Nghiên cứu và thử ý tưởng mới

Tính linh hoạt giúp dựng nhanh các cấu trúc mạng mới và thử nghiệm, rồi cải tiến theo kết quả.

Cần chuẩn bị gì?

  • Python và pip (hoặc conda) đã cài; nên dùng môi trường ảo.
  • Card đồ hoạ NVIDIA (CUDA), AMD (ROCm) hoặc Intel là tuỳ chọn nhưng giúp huấn luyện nhanh hơn rất nhiều; không có GPU vẫn dùng được bằng CPU.
  • Phiên bản PyTorch phải khớp với phiên bản CUDA và driver; trang chọn lệnh trên pytorch.org sẽ cho đúng bản.
  • Ổ cứng trống vài GB cho gói cài, nhiều hơn nếu dùng bản có CUDA.

Hướng dẫn cài đặt chi tiết

Cài trên pip hoặc conda (khuyên dùng)

  1. Tạo môi trường ảo cho riêng dự án để khỏi lẫn với thư viện khác. Trên Windows PowerShell, kích hoạt bằng .venv\Scripts\Activate.ps1; trên Linux/macOS dùng lệnh source.

    Terminal
    python -m venv .venv
    source .venv/bin/activate
  2. README không in sẵn lệnh cài mà trỏ sang trang chính thức vì lệnh thay đổi theo hệ điều hành và card đồ hoạ. Mở trang dưới đây.

    Văn bản
    https://pytorch.org/get-started/locally/
  3. Chọn lần lượt phiên bản PyTorch (Stable), hệ điều hành, cách cài (Pip hoặc Conda), ngôn ngữ Python và nền tảng tính toán (CPU, CUDA hoặc ROCm). Trang sẽ hiện ra một dòng lệnh duy nhất.

  4. Dán nguyên lệnh đó vào Terminal đang kích hoạt môi trường ảo. Đừng tự đoán số phiên bản CUDA; muốn cập nhật sau này thì quay lại trang chọn lệnh để lấy lệnh mới.

  5. Kiểm tra bằng đoạn Python ở phần Dùng thử lần đầu bên dưới; nếu máy có card NVIDIA mà torch.cuda.is_available() trả về False, kiểm tra driver và chọn đúng bản CUDA.

Cài trên Docker

  1. README có ảnh dựng sẵn trên Docker Hub (cần Docker 23.0 trở lên). Lệnh dưới chạy một container có truy cập mọi GPU, xoá container khi thoát. Cờ --ipc=host (hoặc --shm-size) tăng bộ nhớ chia sẻ, cần khi nạp dữ liệu đa tiến trình.

    Terminal
    docker run --gpus all --rm -ti --ipc=host pytorch/pytorch:latest
  2. Muốn tự dựng ảnh thì làm theo mục Docker Image trong README của dự án.

    Văn bản
    https://github.com/pytorch/pytorch#docker-image

Cài trên Từ mã nguồn

  1. Chỉ dành cho người cần tuỳ chỉnh hoặc đóng góp mã. README yêu cầu Python 3.11 trở lên, trình biên dịch hỗ trợ C++20 (gcc 11.3.0 trở lên trên Linux), Visual Studio hoặc Build Tools trên Windows, ít nhất 10 GB ổ trống và 30 đến 60 phút cho lần build đầu. Người mới không nên bắt đầu từ đây.

    Văn bản
    https://github.com/pytorch/pytorch#from-source

Dùng thử lần đầu

  1. Mở Python và kiểm tra thư viện đã cài, xem có thấy card đồ hoạ không.

    Python
    import torch
    print(torch.__version__)
    print(torch.cuda.is_available())
  2. Tạo hai ma trận ngẫu nhiên và nhân chúng với nhau.

    Python
    a = torch.rand(3, 3)
    b = torch.rand(3, 3)
    print(a @ b)
  3. Nếu có GPU, chuyển phép tính sang card đồ hoạ.

    Python
    if torch.cuda.is_available():
        a = a.to('cuda')
        b = b.to('cuda')
        print(a @ b)
  4. Mở bài Learn the Basics trên pytorch.org/tutorials và làm lần lượt để huấn luyện mô hình đầu tiên.

Mẹo dùng hay

  • Luôn bắt đầu từ trang pytorch.org/get-started/locally để lấy lệnh cài; dán lệnh cũ từ bài viết khác hay gây lỗi không khớp CUDA.
  • Dùng Google Colab nếu máy bạn không có GPU và chỉ muốn học.
  • Trên Windows, README của các dự án khác thường yêu cầu bạn cài PyTorch bản GPU thủ công; đừng chỉ chạy pip install torch rồi tưởng đã dùng được card đồ hoạ.

Lưu ý và hạn chế

  • Không có giao diện đồ hoạ; bạn cần viết code Python.
  • Gói cài có CUDA khá nặng (vài GB); và chọn nhầm phiên bản CUDA là nguyên nhân phổ biến gây lỗi.
  • Phiên bản mới của PyTorch có thể đòi hỏi Python mới hơn, nên khi dự án cũ không chạy hãy kiểm tra lại phiên bản.

Câu hỏi thường gặp

PyTorch có miễn phí không?

Có. Giấy phép dạng BSD, cho phép dùng cả trong sản phẩm thương mại; xem file LICENSE trong repo để biết chi tiết.

Máy không có card đồ hoạ có học PyTorch được không?

Được. Bạn cài bản CPU và làm các bài tập nhỏ; khi cần sức mạnh hơn có thể dùng Colab hoặc thuê GPU trên mạng.

PyTorch khác TensorFlow thế nào?

Cả hai đều dùng để huấn luyện mạng nơ-ron. PyTorch chạy theo kiểu viết đến đâu chạy đến đó nên dễ gỡ lỗi, và rất phổ biến trong nghiên cứu cùng các dự án AI mã nguồn mở mới.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/pytorch/pytorch.git

Repo tương tự nên xem

Thư viện & framework AI202K

TensorFlow

tensorflow / tensorflow

Nền tảng học máy của Google để xây, huấn luyện và triển khai mô hình AI bằng Python

KhóWindowsmacOSLinuxDocker+1
Thư viện & framework AI169K

Hugging Face Transformers

huggingface / transformers

Thư viện Python để tải và chạy hàng triệu mô hình AI từ Hugging Face chỉ với vài dòng code

KhóWindowsmacOSLinuxPython
Thư viện & framework AI68,2K

scikit-learn

scikit-learn / scikit-learn

Thư viện học máy cổ điển bằng Python: phân loại, dự đoán, gom nhóm dữ liệu bảng rất dễ dùng

KhóWindowsmacOSLinuxPython

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Thư viện & framework AI

Thư viện & framework AI150K

LangChain

langchain-ai / langchain

Thư viện Python giúp lập trình viên ráp ứng dụng và agent chạy bằng AI từ các mảnh ghép dựng sẵn

KhóPython
Thư viện & framework AI91,6K

OpenCV

opencv / opencv

Thư viện thị giác máy tính kinh điển: xử lý ảnh, video, nhận diện khuôn mặt, vật thể

KhóWindowsmacOSLinuxAndroid+2
Thư viện & framework AI79,6K

Unsloth

unslothai / unsloth

Ứng dụng chạy và tinh chỉnh mô hình AI trên máy mình, tiết kiệm VRAM và nhanh hơn

VừaWindowsmacOSLinuxDocker+1
Thư viện & framework AI76,1K

LLaMA-Factory

hiyouga / LlamaFactory

Tinh chỉnh hơn 100 mô hình ngôn ngữ qua giao diện web hoặc dòng lệnh, gần như không cần viết code

KhóWindowsLinuxDockerPython
Thư viện & framework AI63,5K

Ultralytics YOLO

ultralytics / ultralytics

Nhận diện vật thể, phân đoạn, theo dõi trong ảnh và video bằng họ mô hình YOLO chỉ với một lệnh

VừaWindowsmacOSLinuxDocker+1
Thư viện & framework AI63,3K

LiteLLM

BerriAI / litellm

Cổng AI thống nhất: gọi hơn 100 mô hình của OpenAI, Anthropic, Gemini... bằng cùng một định dạng

KhóWindowsmacOSLinuxDocker+1

Xem cả 14 repo Thư viện & framework AI Về Kho Repo