PyTorch是一个广泛用在数据科学,计算机科学里的机器学习框架. PyTorch和TensorFlow应用的普遍程度相当,远超其它框架. 并且PyTorch的新增用户数量在过去一年增长了近200%.
PyTorch的特点有哪些?
1. 动态图模式
TorchScript 非常完美地提供了动态图模式(eager 模式)与图模式(graph模式)之间的切换,使得生产效率得到提升!TensorFlow等机器学习框架使用图模式,主要有以下四个原因: (1)节省资源、高效运算.用户只需运算需要的依赖项,不需要的就可以不做运算. (2)利用图可以把整个运算过程分解成子过程. (3)便于分布式运算. 计算工作可以分给多个GPU、CPU或多个设备. (4)有很多机器学习模型,本身就是适用组织成图. [1] PyTorch提供的另一种模式是Eager模式. 其特点是:在该模式下,用户不需要先构造图,然后再使用Session.run(),而是可以得到即时的反馈。这种模式在研究和开发时会更加符合直觉.
2. 分布式训练过程
由于有了分布式通讯包(torch.distributed) ,可扩展的分布式训练过程,科学研究和工业界的性能优化变得可能. torch.distributed包为在一台或多台机器上运行的多个计算节点上的多进程并行性提供PyTorch支持.
3. 工具和库的特点
PyTorch更丰富的工具和库,使得它的应用拓宽到了计算机视觉之研究,NLP等.
4. Cloud Partners
PyTorch可在主要的云平台上运行, 使得开发和扩展(scaling)非常简单.[2]
PyTorch的安装方法
网站https://pytorch.org/get-started/locally/ 列出了各种操作系统