PyTorch简介
PyTorch简介详细操作教程
PyTorch是一个Python的开源机器学习库。它用于自然语言处理等应用程序。它最初由Facebook人工智能研究小组开发，而优步的Pyro软件则用于概率编程。
最初，PyTorch由Hugh Perkins开发，作为基于Torch框架的LusJIT的Python包装器。有两种PyTorch变种。
PyTorch在Python中重新设计和实现Torch，同时为后端代码共享相同的核心C库。PyTorch开发人员调整了这个后端代码，以便有效地运行Python。他们还保留了基于GPU的硬件加速以及基于Lua的Torch的可扩展性功能。
PyTorch功能特征
PyTorch的主要功能如下所述 -
简单的界面 - PyTorch提供易于使用的API; 因此，它在Python上运行，操作非常简单。这个框架中的代码执行非常简单。
Python用法 - PyTorch库认为是Pythonic，可以与Python数据科学堆栈平滑地集成。因此，它可以利用Python环境提供的所有服务和功能。
计算图 - PyTorch提供了一个提供动态计算图的出色平台。因此，用户可以在运行时更改它们。当开发人员不知道创建神经网络模型需要多少内存时，这时非常有用。
PyTorch以三个抽象级别而闻名，如下所示 -
Tensor - 在GPU上运行命令式n维数组。
变量 - 计算图中的节点，它存储数据和梯度。
模块 - 存储状态或可学习权重的神经网络层。
PyTorch的优点
以下是PyTorch的优点 -
它易于调试和理解代码。
它包括许多层作为Torch。
它包括许多损失函数。
它可以视为对GPU的NumPy扩展。
它允许构建其结构依赖于计算本身的网络。
TensorFlow与PyTorch比较
下面是TensorFlow和PyTorch之间的主要区别 -
| PyTorch |
TensorFlow |
| PyTorch与基于lua的Torch框架密切相关，该框架在Facebook中广泛使用。 |
TensorFlow由Google Brain开发，并在Google上积极使用。 |
| 与其他竞争技术相比，PyTorch相对较新。 |
TensorFlow并不是新的，但许多研究人员和行业专业人士视为一种前沿工具。 |
| PyTorch以强制性和动态的方式包含所有内容。 |
TensorFlow包含静态和动态图形作为组合。 |
| PyTorch中的计算图是在运行时定义的。 |
TensorFlow不包含任何运行时选项。 |
| PyTorch包括针对移动和嵌入式框架的部署。 |
TensorFlow更适用于嵌入式框架。 |
