PyTorch – 简介

PyTorch被定义为Python的一个开源的机器学习库。它被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，而Uber的Pyro软件是建立在它之上的概率编程。

最初，PyTorch是由Hugh Perkins开发的，作为基于Torch框架的LusJIT的Python包装器。有两个PyTorch的变体。

PyTorch用Python重新设计和实现了Torch，同时为后端代码共享相同的核心C库。PyTorch的开发者对这些后端代码进行了调整，以有效地运行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。

特点

PyTorch的主要特点如下–

简单的界面 --PyTorch提供了易于使用的API，因此它被认为是非常简单的操作和运行于Python。在这个框架中，代码的执行是非常容易的。

Python的使用 --这个库被认为是Pythonic的，它可以顺利地与Python数据科学栈整合。因此，它可以利用Python环境提供的所有服务和功能。

计算图 - PyTorch提供了一个优秀的平台，它提供了动态计算图。因此，用户可以在运行期间改变它们。当开发者不知道创建一个神经网络模型需要多少内存时，这非常有用。

PyTorch以有三个抽象层次而闻名，如下所示

• Tensor – 在GPU上运行的强制性n维数组。

• 变量–计算图中的节点。它存储数据和梯度。

• 模块 – 神经网络层，它将存储状态或可学习的权重。

PyTorch的优势

以下是PyTorch的优点

• 它很容易调试和理解代码。

• 它和Torch一样包括很多层。

• 它包括很多损失函数。

• 它可以被认为是NumPy对GPU的扩展。

• 它允许建立网络，其结构取决于计算本身。

TensorFlow vs. PyTorch

我们将研究TensorFlow和PyTorch之间的主要区别，如下所示

PyTorch	TensorFlow
PyTorch与基于lua的Torch框架密切相关，该框架在Facebook中被积极使用。	TensorFlow是由Google Brain开发的，并在Google积极使用。
与其他竞争性技术相比，PyTorch是比较新的。	TensorFlow并不新，被许多研究人员和行业专家认为是一个待用的工具。
PyTorch包括了所有必要的和动态的方式。	TensorFlow包括静态和动态图的组合。
PyTorch的计算图是在运行时定义的。	TensorFlow不包括任何运行时选项。
PyTorch包括用于移动和嵌入式框架的部署功能。	TensorFlow对嵌入式框架的效果更好。