PyTorch深度学习实践-Overview

Overview

1.PyTorch简介

​ PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络。

2.与TensorFlow区别

​ pytorch是一个动态的框架，而TensorFlow是静态框架（2.x版本也为动态框架优先）。静态框架就是指我们首先构建一个计算图，构建完成之后这个图就不再变化，通过给变量赋值来进行计算，这样势必导致我们需要修改逻辑的时候相对比较复杂，而动态图修改计算逻辑相对比较简单。简单举例如下，例如假设我们需要实现如下计算图：

TF代码：

import numpy as np
import tensorflow as tf
np.random.seed(0)
raw,col=3,4
x=tf.placeholder(tf.float32)
y=tf.placeholder(tf.float32)
z=tf.placeholder(tf.float32)
a=x*y
b=a+z
c=tf.reduce_sum(b)
grad_x,grad_y,grad_z=tf.gradients(c,[x,y,z])
with tf.Session()as sess:
    values={
        x:np.random.randn(raw,col),
        y: np.random.randn(raw, col),
        z: np.random.randn(raw, col)
    }
    out=sess.run([c,grad_x,grad_y,grad_z],
                 feed_dict=values)
    c_val,grad_x_val,grad_y_val,grad_z_val=out
    print(c_val,grad_x_val,grad_y_val,grad_z_val)

PyTorch代码：

import torch
from torch.autograd import Variable
raw,col=3,4
x=Variable(torch.randn(raw,col),requires_grad=True)
y=Variable(torch.randn(raw,col),requires_grad=True)
z=Variable(torch.randn(raw,col),requires_grad=True)
a=x*y
b=a+z
c=torch.sum(b)
c.backward()
print(x.grad.data)
print(y.grad.data)
print(z.grad.data)

​ 可以发现二者都包含了建立前向计算等过程，但是相对来说PyTorch代码比较简短一些，相对也比较灵活一些。

3.PyTorch安装

网上相关教程很多，不再赘述，附其中一个教程：

安装PyTorch详细过程_MCYZSF的博客-CSDN博客_pytorch安装