深度学习入门笔记（4）——为什么要选择pytorch作为编译框架？

深度学习入门笔记（4）——为什么要选择pytorch作为编译框架？

在经过前三章的学习后，相信大家对深度学习有了初步的了解，但有些朋友会问“为什么在《深度学习入门笔记（2）——如何配置深度学习编译环境？》中要选择pytorch的学习框架呢？我看大多数巨佬写文章用的都是tensorflow呀？”因此，我觉得有必要对学习框架进行简单解读，对框架不感兴趣的朋友可以跳过本部分内容，不足之处还请批评指正！
目前，深度学习可谓是一片繁荣景象，举个例子，一板砖下去可以砸倒一堆框架。但是，好的框架、可以被世界上各个国家的人们接受的框架，还是可以数过来的。当今主要的包括以下六个：tensorflow、caffe、pytorch。下面我们对这三个学习框架进行简单对比，博主非科班出身，不足之处还请见谅！

tensorflow

相信没有接触过深度学习的朋友也会认识这个框架，tensorflow简直可以被称为经典，是世界上使用最为广泛的一类框架，是名副其实的大哥，基于c++的搭建更是让tensorflow做到滴水不漏。
可是，最大的优势往往是最大的劣势，由于使用c++开发，语言过于底层，语法固定，网络一但走不通，改起来会让你疯狂

caffe

caffe框架和tensorflow类似，也是c++写的，不够灵活，而且，对博主这样的萌新而言，体积庞大，空间冗余。

pytorch

PyTorch是在torch基础上发展而来的，其 Torch 的不同之处在于 PyTorch 使用了 Python 作为开发语言。划重点了，“使用了 Python 作为开发语言”，“使用了 Python 作为开发语言”，“使用了 Python 作为开发语言”！相信之前接触过python的朋友都有一种体会，一开始接触的时候，“这是啥玩意，啥也不是，这tm也能叫语言？”，然后，“其实，Python也还行，虽然比不上java，做个数值分析凑活凑活着用还可以”，最后，“人生苦短，我选python”“python永远的神”“万物皆可python”巴拉巴拉…
当然在这里，博主必须要具体盘点一下python给pytorch带来的好处：
1、实现GPU加速
2、支持动态网络
3、支持numpy
4、线性设计
5、简单、灵活
总结一句话，对于非计算机科班出身的我们而言，再先进的框架或者结构也只是一个工具，工具的选择上我们应该从自身实际出发，不要一味地去选一些很高大上、框架结构复杂的，正所谓“杀鸡焉用牛刀”，可以用最简便的方式满足我们需求的，就是好框架。
最后，python永远的神！

最后

欢迎大家留言讨论！欢迎大家留言讨论！欢迎大家留言讨论！