PyTorch 简介

PyTorch被定义为用于Python的开源机器学习库。它用于自然语言处理等应用。它最初是由Facebook人工智能研究小组开发的，并且Uber的基于PyTorch构建的概率编程软件Pyro也是建立在其之上的。

最初，PyTorch是由Hugh Perkins开发的，作为基于Torch框架的LusJIT的Python封装。存在两种PyTorch变体。

PyTorch在Python中重新设计和实现了Torch，同时共享相同的后端核心C库的代码。PyTorch开发人员优化了此后端代码，以高效地运行Python。他们还保留了基于GPU的硬件加速以及使基于Lua的Torch具有可扩展性的功能。

特点

PyTorch的主要特点如下：−

简单界面 − PyTorch提供易于使用的API，因此被认为是非常简单易用的，并且支持Python语言运行。在这个框架中执行代码相当容易。

Python使用 − 这个库被认为是Pythonic的，可以与Python数据科学栈无缝集成。因此，它可以利用Python环境提供的所有服务和功能。

计算图 − PyTorch提供了一个出色的平台，提供了动态计算图。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，这是非常有用的。

PyTorch以以下三个抽象层次而闻名：−

PyTorch具有以下优势：−

下面我们将看一下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，Torch框架在Facebook公司积极使用。	TensorFlow由Google Brain开发，在谷歌公司被广泛使用。
相对于其他竞争技术，PyTorch相对较新。	TensorFlow并不新，被许多研究人员和行业专业人士视为首选工具。
PyTorch以命令式和动态的方式包含了所有内容。	TensorFlow以静态和动态图的组合形式呈现。
在PyTorch中，计算图是在运行时定义的。	TensorFlow不包含任何运行时选项。
PyTorch包含了为移动和嵌入式框架部署的特性。	TensorFlow在嵌入式框架上表现更好。