PyTorch是Facebook AI研发的开源机器学习库，尤其适用于自然语言处理。其特点是拥有简单易用的API，动态计算图，与Python数据科学栈无缝集成。PyTorch的三个核心抽象层次包括张量、变量和模块。相较于TensorFlow，PyTorch更便于调试，具有更好的动态性，而TensorFlow则在工业界应用更广泛，适合静态计算图的构建和嵌入式框架部署。
PyTorch被定义为一种用于Python的开源机器学习库。它用于应用程序，如自然语言处理。最初由Facebook人工智能研究组开发，以及基于它构建的Uber Pyro概率编程软件。
最初，PyTorch由Hugh Perkins开发，作为基于Torch框架的LusJIT的Python封装。有两个PyTorch变体。
PyTorch在Python中重新设计和实现了Torch，同时共享相同的核心C库以用于后端代码。PyTorch开发人员调整了这个后端代码，以高效运行Python。他们还保留了基于GPU的硬件加速以及使Lua-based Torch出名的可扩展性功能。
特点
PyTorch的主要特点如下：
简单的接口 - PyTorch提供易于使用的API；因此，它被认为是非常简单操作且运行在Python上。在这个框架中的代码执行非常容易。
Python使用 - 这个库被认为是Pythonic的，可以与Python数据科学堆栈无缝集成。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，提供动态计算图。因此，用户可以在运行时更改它们。这在开发人员不知道创建神经网络模型需要多少内存时非常有用。
PyTorch以以下三个抽象级别而闻名：
张量 - 在GPU上运行的命令式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
订阅专栏 解锁全文
扫一扫
863
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
