超级会员免费看
本文探讨了尽管TensorFlow广泛流行，但作者选择PyTorch作为深度学习框架的原因。PyTorch的动态图和直观性提供了更大的灵活性，其API设计简洁易懂，上手难度低且拥有活跃的社区支持。文章提供了学习PyTorch的建议，包括理解基础知识、阅读官方文档、练习、参加课程和阅读论文。
这篇专栏文章不是为了挑起tenserflow和pytorch中哪个更好，众所周知tensorflow诞生以来，已经成为最流行的深度学习框架，可以说github中大多数的深度学习代码实现是以tensorflow实现的，也就是说资源众多，社区强大，这是tensorflow的好处。
为什么要学习pytorch
在tensorflow之后pytorch也异军突起，成为了当下可以和tensorflow抗衡的深度学习框架，这也是为什么要学习pytorch的原因。
不是因为tensorflow不够优秀，而是因为pytorch足够优秀，它优秀到从它诞生之日起，它的发展和tensorflow一样迅速，甚至很多科研机构，工业界也在开始逐步转移到pytorch，相信在不远的将来，很有可能pytorch和tensorflow共分天下。
PyTorch深度学习框架有以下的优势：
动态图与直观性
相较于Tensorflow的静态图设计，PyTorch的动态图特性为我提供了更大的灵活性和直观性。在Tensorflow中，我需要事先定义好计算图，然后才能进行数据的输入和计算。这种方式虽然在一定程度上优化了计算效率，但对于调试和模型设计来说，却显得有些僵化。而在PyTorch中，我可以随时修改模型结构，实时查看变量的值，这对于我来说无疑更加友好。
此外，PyTorch的API设计也更为直观和简洁。它的代码风格更接近
订阅专栏 解锁全文
1396
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
