pytorch和python有什么区别_PyTorch到底好用在哪里?

先来回答一下你提的几个问题：Pytorch连最基本的maximum, minimum, tile等等这些numpy和tensorflow中最简单的运算都没有，用view来reshape还会报错contiguous(虽然我知道怎么解决)，官方手册也查不到相应说明，这个东西到底好用在哪里?

你说的那几个函数pytorch中都有(或者可以实现)maximum： torch.max() 同时包含了numpy.max 和numpy.maximum的功能

minimum：torch.min()

np.tile(arr,(100,100)) 等价于 tensor.repeat(100,100)

contiguous的问题我经常听别人提问，但我从未遇到过(我几乎从未调用过`tensor.contiguous()`)，大多数人也很少会把tensor弄成不连续。之所以tensor会不连续，是为了能够共享内存，更高效的内存利用(其实只要PyTorch在设计的时候把所有的不连续操作都返回一个连续的tensor即可解决这个问题，但是不值得，大多数不连续的tensor都会进行一个reduce操作，然后就变成了连续的了)。

numpy那么多函数，PyTorch不可能都支持，即使不支持，也可以在numpy中实现，然后转成tensor，毕竟numpy和tensor之间的转换极其高效快速(他们共享内存).这个东西到底好用在哪里?

还是说就是定义网络结构简单?

PyTorch到底好在哪，其实我也只是有个朦胧的感觉，总觉的用的舒服自在，用其它框架的时候总是觉得这里或者那里别扭。第一次用PyTorch几乎是无痛上手，而且随着使用的增加，更是越来越喜欢：