深度学习入门之PyTorch(二)深度学习框架

2 深度学习框架

深度学习框架可以让你事半功倍，那如何选择一个适合自己的学习框架呢？

2.1 深度学习框架介绍

这里就拿学习Java来举例吧，Java的SSM框架和SSH框架只需要我们进行简单那的配置就可以自动生成代码，避免代码的重复编写，提高了我们的开发效率，深度学习框架也类似，下面就来介绍流行的几个深度学习框架
1）Tensorflow
这个框架是Google 开源的框架,C++ 语言开发，使用数据流图的形式进行计算，图中的节点代表数学运算，图中的线条代表多维数组的交互，对于它的历史，当初是由研究人员和Google 员工针对机器学习和深度神经网络开发的，目前可以适用于任何领域。第三方抽象库有Keras,Tflearn、tfslim、TensorLayer
（1）优点

1. 部署灵活，可以部署在一个或者多个CPU、GPU上，或者适用API的移动设备上
2. 因为是Google 这样的大公司出品，所以更新和维护频繁
3. 有Python和C++ 的接口，扩展性好
4. 教程完善，适合新手学习
5. 是深度学习框架的鼻祖，很多论文复现使用的就是这个框架

（2）缺点

1. 每个计算流必须构建成图，没有符号循环，这样使得一些计算变得困难；
2. 没有三维卷积，因此无法做视频识别；
3. 即便已经比原有版本（0.5）快了58倍，但执行性能仍然不及它的竞争者。

有关更加详细的框架优缺点可以看这个更加详细的描述

2)Caffe
是有加州大学伯克利进行开发和维护的，这个框架因为ImageNet比赛被很多人使用，因为他对卷积网络支持性好。使用比赛中的网络模型就要使用Caffe,但是只有C++ 接口，不够灵活，内存占用多，目前caffe2已经开源了并修复了一些问题。
3）Theano
如何要处理深度学习中大量神经网络算法，这个框架是首选，核心是数学表达式的编译器。
4） Torch
PyTorch 的前身就是Torch ,这个框架的特别之处就是使用小众语言Lua开发的，但是PyTorch相对其来说更加灵活，支持动态图，也提供了python接口。
5）MXNet
亚马逊的官方框架，之前是几个人由于对技术的热爱开发的，有很好的分布式支持，我想也这是亚马逊使用这个框架的主要原因，性能好，占用内存低，这对比Caffe就是很大的优点了，支持多种语言，前面的几个框架都是只支持Python和C++ 语言，MXNet框架不仅支持主流的python,还有R、matlab、Scala、JavaScript等。
但是因为MXNet的教程不够完善，这也是为啥Tensorflow流行起来的原因，这样就导致很多人不去使用这个框架，论文和比赛使用这个框架的人很少。

2.2 PyTorch介绍

2.2.1 什么是PyTorch

要说这个语言的最大优点就是支持动态神经网络，就连Tensorflow也不支持这个，同时PyTorch是由python编写，可以实现GPU加速。为了更好的理解，PyTorch就是GPU支持的numpy，拥有自动求导功能，已经被Facebook、Twitter、等机构采用。

2.2.2 为什么要使用PyTorch

这时候你一定有疑问了，为什么不使用当下最流行的深度学习框架Tensorflow呢？这里就列举学习PyTorch的必要性
1）学习多一个框架，以备不时之需
2）使用Tensorflow和Caffe是命令式的编程语言，而且是静态的，必须构建一个神经网络，如果想改变网络结构就要从头开始。PyTorch上面我们讲过可以快速求导
3）容易Debug,快速找到错误
4）代码简单易懂，更加简洁直观。

2.3 配置PyTorch的深度学习环境

2.3.1 操作系统选择

Mac或者Linux,Linux 最好使用Ubuntu.，从2018年4月起，官方开始支持windows版本的了

2.3.2 开发环境的安装

对于python 来说，最头疼的问题是不同版本环境管理和包管理，这里使用Anacanda将软件包打包。
对 Anacanda进行简单的介绍
1）是python发行版
2）支持linux,Mac,Windows
3)提供了包与环境管理的功能
4）可以很方便的解决多版本python并存、切换以及各种第三方包安装的问题