作者:empty 页数:376 出版社:empty |
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Facebook d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, 这一点是现在很多主流框架如Tensor Flow都不支持的。PyTorch提供了两个高级功能:1.具有强大的GPU加速的张量计算(如Numpy) 2.包含自动求导系统的深度神经网络除了Facebook之外,Twitter、GMU和Salesforce等机构都采用了PyTorch。官方教程包含了PyTorch介绍, 安装教程; 60分钟快速入门教程, 可以迅速从小白阶段完成一个分类器模型;计算机视觉常用模型,方便基于自己的数据进行调整,不再需要从头开始写;自然语言处理模型,聊天机器人,文本生成等生动有趣的项目。总而言之:·如果你想了解一下PyTorch, 可以看介绍部分。·如果你想快速入门PyTorch, 可以看60分钟快速入门。·如果你想解决计算机视觉问题,可以看计算机视觉部分。·如果你想解决自然语言处理问题, 可以看NLP部分。
PyTorch简介要介绍PyTorch之前, 不得不说一下Torch。Torch是一个有大量机器学习算法支持的科学计算框架, 是一个与Numpy类似的张量(Tensor) 操作库, 其特点是特别灵活, 但因其采用了小众的编程语首是Lua, 所以流行度不高, 这也就有了PyTorch的出现。所以其实Torch是PyTorch的前身,它们的底层语言相同,只是使用了不同的上层包装语言。PyTorchPyTorch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Facebook d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, 这一点是现在很多主流框架如Tensor Flow都不支持的。PyTorch提供了两个高级功能:*具有强大的GPU加速的张量计算(如Numpy) *包含自动求导系统的深度神经网络除了Facebook之外, Twitter、GMU和Salesforce等机构都采用了PyTorch。Tensor Flow和Caffe都是命令式的编程语言, 而且是静态的, 首先必须构建一个神经网络, 然后一次又一次使用相同的结构, 如果想要改变网络的结构, 就必须从头开始。但是对于PyTorch, 通过反向求导技术,可以让你零延迟地任意改变神经网络的行为,而且其实现速度快。正是这一灵活性是PyTorch对比Tensor Flow的最大优势。另外, PyTorch的代码对比Tensor Flow而言, 更加简洁直观, 底层代码也更容易看懂, 这对于使用它的人来说理解底层肯定是一件令人激动的事。所以, 总结一下PyTorch的优点:*支持GPU*灵活, 支持动态神经网络*底层代码易于理解*命令式体验*自定义扩展当然, 现今任何一个深度学习框架都有其缺点, PyTorch也不例外, 对比Tensor Flow, 其全面性处于劣势, 目前PyTorch还不支持快速傅里叶、沿维翻转张量和检查无穷与非数值张量; 针对移动端、嵌入式部署以及高性能服务器端的部署其性能表现有待提升;其次因为这个框架较新,使得他的社区没有那么强大,在文档方面其C库大多数没有文档。