【PyTorch】（一）简介
文章目录
- 1. PyTorch是什么？
- 2. PyTorch的特点
- 3. PyTorch的架构
1. PyTorch是什么？
- PyTorch是一个深度学习框架，由Facebook于2016年开源发布。
- PyTorch是基于Torch框架的Python接口，旨在提供易用的强大工具来进行神经网络的构建和训练。
- PyTorch使用动态计算图，使得开发人员可以以类似于NumPy的方式编写代码，同时利用GPU加速进行高效的数值计算。
- PyTorch在学术界和工业界都得到了广泛的应用，是当前最受欢迎和流行的深度学习框架之一。
2. PyTorch的特点
- 动态图：PyTorch使用动态图来定义计算图，这使得PyTorch非常灵活，能够实现许多复杂的计算图。同时，使用动态图可以提高开发效率，因为开发者不需要很多额外的代码来定义计算图。
- 自动求导：PyTorch自带的自动求导机制可以计算任意可微函数的梯度，这使得开发者不必亲自编写反向传播算法。
- 易于学习：由于PyTorch的语法与Python非常相似，因此学习曲线相对较短。
- 库丰富：PyTorch社区非常活跃，有很多优秀的库可以支持我们完成各种任务。
- 前沿技术支持：PyTorch是深度学习领域的前沿技术之一，能够支持最新的深度学习算法，如GAN、强化学习等。
3. PyTorch的架构
| 核心组件 | 描述 |
|---|---|
| torch | 类似NumPy的张量库，拥有强大GPU支持 |
| torch.autograd | 基于磁带的自动微分库，支持torch中所有可微分的张量操作 |
| torch.jit | 编译堆栈（TorchScript），用于从PyTorch代码创建可序列化和可优化的模型 |
| torch.nn | 与自动梯度深度集成的神经网络库，追求最大限度的灵活性 |
| torch.multiprocessing | Python多进程处理，但在进程之间以神奇的方式共享torch张量内存。适用于数据加载和Hogwild训练 |
| torch.utils | 数据加载器和其他易用的实用函数 |