大家好，今天小编关注到一个比较有意思的话题，就是关于python深度学习基于pytorch的问题，于是小编就整理了3个相关介绍Python深度学习基于pytorch的解答，让我们一起看看吧。
Pytorch是什么公司？
Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。
Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。
与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言***用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。
pytorch和python有什么区别？
二者的功能不同，且属于包含关系。
pytorch是基于python语言和各种库的一种深度学习框架，是应用层级的框架。
python是一门编程语言，相对于pytorch来说是一门很广泛的概念，它主要是实现各种编程语言的逻辑以及框架的使用。
面对Tensorflow，为何我选择PyTorch？
先来说说pytorch劣势。自从其被发布以来pytorch更多被用于学术界而不是工业界的实际生产，主要是因为它不够成熟、很多接口不太稳定，加上其全面性也不够，tensorflow目前仍然有很多pytorch不支持的功能，比如快速傅里叶变换，但这一点劣势会随着pytorch的发展而逐渐减小。除此此外，相比于tensorflow的容易各处部署的静态图（这一点远胜于很多框架），以python优先的深度学习框架 pytorch在部署到其他产品会很不方便。
优势先从上手时间开始说，虽然在2015年发布之后tensorflow多方受宠，但是和theano一样，tensorflow使用的是静态计算图，对于新手来说有过多需要新学习的概念，这导致了不管是入门还是搭建，使用tensorflow都比pytorch困难。而在2017年pytorch被团队开源的主要原因之一也是让建立深度学习模型更加简单，这让它发展十分迅猛。在数据加载上，pytorch加载数据的API简单高效，其面向对象的API源自于porch（也是keras的设计起源），比tensorflow难学的API友好很多，使用户可以将重点放在实现自己的想法，而不是被框架本身束缚住。
速度上，pytorch并没有为了灵活性而放弃速度，虽然运行速度和程序员水平密切相关，但pytorch在相同情况下常有可能胜于其他框架的速度。另外，如果追求自定义拓展，pytorch也会是首选，因为虽然二者的构建和绑定有一定的相似点，但是tensorflow在拓展时会需要很多样板代码，但pytorch只用编写接口和实现。
到此，以上就是小编对于python深度学习基于pytorch的问题就介绍到这了，希望介绍关于python深度学习基于pytorch的3点解答对大家有用。
标签： pytorch Tensorflow python
