python中的torch库是干什么的,torch的python版本对应

　　PyTorch由Torch7团队开发。从它的名字可以看出，它与Torch7的不同之处在于使用Python作为开发语言。

　　所谓“Python第一”也说明了它是一个以Python为优先的深度学习框架。不仅可以实现强大的GPU加速，还支持动态神经网络，这是Tensorflow等很多主流框架都不支持的。

　　PyTorch可以看做是GPU支持的numpy，也可以看做是强大的深度神经网络，具有自动求导功能。除了脸书，它还被Twitter、CMU和Salesforce采用。

　　相关：《Python教程》

　　为何要使用PyTorch

　　面对这么多深度学习框架，我们为什么选择PyTorch？Tensorflow不是深度学习框架的默认boss吗？为什么不直接选Tensorflow而是PyTorch？有四个方面来解释为什么要用PyTorch。

　　(1)掌握一个框架不可能一劳永逸。目前深度学习还没有人有绝对的垄断地位，甚至Google也没有，所以光学习Tensorflow是不够的。同时，研究人员现在使用所有的框架。如果想看他们实现的代码，至少要知道他们用的框架，所以多学一个框架以备不时之需。

　　(2)Tensorflow和Caffe是命令式编程语言，是静态的。首先，我们必须建立一个神经网络，然后反复使用相同的结构。如果我们想改变网络的结构，我们必须从零开始。但是，对于PyTorch来说，你可以通过一种逆向自动求导技术，任意改变神经网络的行为，而没有延迟。这项技术虽然不是PyTorch独有的，但却是目前为止最快的实现，对于任何疯狂想法的实现都能获得最高的速度和灵活性，这也是PyTorch相对于Tensorflow的优势。

　　(3)3)py torch的设计思想是线性的，直观易用。当你执行一行代码时，它会忠实地执行，不存在异步世界观。所以当你的代码出现Bug的时候，你可以通过这些信息轻松快速的找到错误的代码，不会因为方向错误或者引擎不同步不透明而让你在调试上浪费太多时间。

　　(4)与Tensorflow相比，PyTorch的代码更加简洁直观。同时，对于高度工业化的Tensorflow难以理解的底层代码，PyTorch的源代码要友好得多，也更容易理解。深入API，了解PyTorch的底层，一定是一种享受。一个底层架构能理解的框架，你会对它有更深的理解。

　　最后，我们简要总结一下PyTorch 的特点：

　　支持GPU；

　　动态神经网络；

　　首选Python；

　　s的迫切经历；

　　很容易扩张。

　　优点这么多，PyTorch也有它的缺点。因为这个框架比较新，用的人比较少，所以它的社区没有那么强。然而，PyTorch提供了一个官方论坛，在这里您可以搜索到您遇到的大多数问题。里面的答案一般都是作者或者其他PyTorch用户提供的，论坛也经常更新。同时你也可以去Github上问一个问题，一般很快就能得到。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。