PyTorch 简介
PyTorch 被定义为 Python 的开源机器学习库。它用于自然语言处理等应用程序。它最初是由 Facebook 人工智能研究小组和 Uber 的概率编程 Pyro 软件开发的。
最初,PyTorch 是由 Hugh Perkins 开发的,作为基于 Torch 框架的 LusJIT 的 Python 包装器。 PyTorch 有两种变体。
PyTorch 在 Python 中重新设计和实现 Torch,同时为后端代码共享相同的核心 C 库。 PyTorch 开发人员调整了此后端代码以高效运行 Python。他们还保留了基于 GPU 的硬件加速以及基于 Lua 的 Torch 的可扩展性功能。
Features
PyTorch 的主要特点如下:
简单的界面 : PyTorch 提供易于使用的 API;因此它被认为在 Python 上操作和运行非常简单。这个框架中的代码执行非常简单。
Python 用法 :这个库被认为是Pythonic,它与Python数据科学堆栈顺利集成。因此,它可以利用 Python 环境提供的所有服务和功能。
计算图 : PyTorch 提供了一个提供动态计算图的优秀平台。因此,用户可以在运行时更改它们。当开发人员不知道创建神经网络模型需要多少内存时,这非常有用。
PyTorch 以具有以下三个抽象级别而闻名:
-
Tensor: 在 GPU 上运行的命令式 n 维数组。
-
变量:计算图中的节点。这存储数据和梯度。
-
模块:神经网络层,将存储状态或可学习的权重。
PyTorch 的优势
以下是 PyTorch 的优点:
-
易于调试和理解代码。
-
它包括许多层,如 Torch。
-
它包括许多损失函数。
-
它可以被视为对 GPU 的 NumPy 扩展。
-
它允许构建结构依赖于计算本身的网络。
TensorFlow 与 PyTorch
我们将在下面研究 TensorFlow 和 PyTorch 之间的主要区别:
PyTorch | TensorFlow |
---|---|
PyTorch 与 Facebook 中积极使用的基于 lua 的 Torch 框架密切相关。 |
TensorFlow 由 Google Brain 开发并在 Google 积极使用。 |
与其他竞争技术相比,PyTorch 相对较新。 |
TensorFlow 并不新鲜,被许多研究人员和行业专业人士视为一种实用工具。 |
PyTorch 以命令式和动态方式包含所有内容。 |
TensorFlow 包括静态图和动态图的组合。 |
PyTorch 中的计算图是在运行时定义的。 |
TensorFlow 不包含任何运行时选项。 |
PyTorch 包括针对移动和嵌入式框架的部署。 |
TensorFlow 更适合嵌入式框架。 |