《PyTorch深度学习实践》学习笔记1——Overview

课程来源&＃xff1a;PyTorch深度学习实践——河北工业大学

《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili

1.PyTorch简介

​ PyTorch是一个基于Torch的Python开源机器学习库&＃xff0c;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&＃xff0c;不仅能够 实现强大的GPU加速&＃xff0c;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&＃xff0c;而TensorFlow是静态框架&＃xff08;2.x版本也为动态框架优先&＃xff09;。静态框架就是指我们首先构建一个计算图&＃xff0c;构建完成之后这个图就不再变化&＃xff0c;通过给变量赋值来进行计算&＃xff0c;这样势必导致我们需要修改逻辑的时候相对比较复杂&＃xff0c;而动态图修改计算逻辑相对比较简单。简单举例如下&＃xff0c;例如假设我们需要实现如下计算图&＃xff1a;

TF代码&＃xff1a;

import numpy as np
import tensorflow as tf
np.random.seed(0)
raw,col&＃61;3,4
x&＃61;tf.placeholder(tf.float32)
y&＃61;tf.placeholder(tf.float32)
z&＃61;tf.placeholder(tf.float32)
a&＃61;x*y
b&＃61;a&＃43;z
c&＃61;tf.reduce_sum(b)
grad_x,grad_y,grad_z&＃61;tf.gradients(c,[x,y,z])
with tf.Session()as sess:values&＃61;{x:np.random.randn(raw,col),y: np.random.randn(raw, col),z: np.random.randn(raw, col)}out&＃61;sess.run([c,grad_x,grad_y,grad_z],feed_dict&＃61;values)c_val,grad_x_val,grad_y_val,grad_z_val&＃61;outprint(c_val,grad_x_val,grad_y_val,grad_z_val)


PyTorch代码&＃xff1a;

import torch
from torch.autograd import Variable
raw,col&＃61;3,4
x&＃61;Variable(torch.randn(raw,col),requires_grad&＃61;True)
y&＃61;Variable(torch.randn(raw,col),requires_grad&＃61;True)
z&＃61;Variable(torch.randn(raw,col),requires_grad&＃61;True)
a&＃61;x*y
b&＃61;a&＃43;z
c&＃61;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&＃xff0c;但是相对来说PyTorch代码比较简短一些&＃xff0c;相对也比较灵活一些。

3.PyTorch安装

网上相关教程很多&＃xff0c;不再赘述&＃xff0c;附其中一个教程&＃xff1a;

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