PyTorch学习：01.PyTorch简介与下载安装

最新推荐文章于 2024-07-23 08:25:13 发布

智云研

最新推荐文章于 2024-07-23 08:25:13 发布

阅读量448

点赞数

分类专栏： PyTorch 文章标签：神经网络 python java 深度学习人工智能

本文链接：https://blog.csdn.net/aizhushou/article/details/107480468

版权

本文介绍了PyTorch的起源、特点及相对于其他框架的优势，如支持GPU、动态神经网络和易于理解的代码。PyTorch是基于Torch的Python库，广泛应用于自然语言处理。接着详细讲解了如何在Windows上安装Anaconda 3.5，并通过pip或conda安装PyTorch。最后，提供了安装成功的验证方法。

摘要由CSDN通过智能技术生成

第一章：PyTorch之简介与下载

1 PyTorch简介

要介绍PyTorch之前，不得不说一下Torch。Torch是一个有大量机器学习算法支持的科学计算框架，是一个与Numpy类似的张量（Tensor）操作库，其特点是特别灵活，但因其采用了小众的编程语言是Lua，所以流行度不高，这也就有PyTorch的出现。所以其实Torch是PyTorch的前身，它们的底层语言相同，只是使用了不同的上层包装语言。

PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能：

具有强大的GPU加速的张量计算（如Numpy）
包含自动求导系统的深度神经网络

除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了PyTorch。

TensorFlow和Caffe都是命令式的编程语言，而且是静态的，首先必须构建一个神经网络，然后一次又一次使用相同的结构，如果想要改变网络的结构，就必须从头开始。但是对于PyTorch，通过反向求导技术，可以让你零延迟地任意改变神经网络的行为，而且其实现速度快。正是这一灵活性是PyTorch对比TensorFlow的最大优势。

另