PyTorch是一个开源的Python机器学习库，基于Torch，底层由C++实现，应用于人工智能领域，如自然语言处理。 它最初由Facebook的人工智能研究团队开发，并且被用于Uber的概率编程软件Pyro。
PyTorch 是一个开源的 Python 机器学习库，基于 Torch，底层由 C++实现，应用于人工智能领域，如自然语言处理。 它最初由 Facebook 的人工智能研究团队开发，并且被用于 Uber 的概率编程软件 Pyro。
2017 年 1 月，由 Facebook 人工智能研究院（FAIR）基于 Torch 推出了 PyTorch。它是一个基于 Python 的可续计算包，提供两个高级功能：1、具有强大的 GPU 加速的张量计算（如 NumPy）。2、包含自动求导系统的的深度神经网络。
PyTorch 主要有两大特征：
- 类似于 NumPy 的张量计算，可使用 GPU 加速；
- 基于带自动微分系统的深度神经网络。
PyTorch 包括 torch.nn、torch.optim 等子模块。
发展
PyTorch 的前身是 Torch，其底层和 Torch 框架一样，但是使用 Python 重新写了很多内容，不仅更加灵活，支持动态图，而且提供了 Python 接口。它是由 Torch7 团队开发，是一个以 Python 优先的深度学习框架，不仅能够实现强大的 GPU 加速，同时还支持动态神经网络，这是很多主流深度学习框架比如 Tensorflow 等都不支持的。
PyTorch 既可以看作加入了 GPU 支持的 numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络。除了 Facebook 外，它已经被 Twitter、CMU 和 Salesforce 等机构采用。
优点
- PyTorch 是相当简洁且高效快速的框架
- 设计追求最少的封装
- 设计符合人类思维，它让用户尽可能地专注于实现自己的想法
- 与 google 的 Tensorflow 类似，FAIR 的支持足以确保 PyTorch 获得持续的开发更新
- PyTorch 作者亲自维护的论坛 供用户交流和求教问题
- 入门简单
基础环境
一台 PC 设备、一张高性能 NVIDIA 显卡(可选)、Ubuntu 系统。
免责声明：文章内容不代表本站立场，本站不对其内容的真实性、完整性、准确性给予任何担保、暗示和承诺，仅供读者参考；文章版权归原作者所有！本站作为信息内容发布平台，页面展示内容的目的在于传播更多信息；本站不提供任何相关服务，阁下应知本站所提供的内容不能做为操作依据。市场有风险，投资需谨慎！如本文内容影响到您的合法权益（含文章中内容、图片等），请及时联系本站，我们会及时删除处理。
