【PyTorch】（一）简介,忆捷m880（忆捷v8）

文件名：【PyTorch】（一）简介,忆捷m880 【PyTorch】（一）简介 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 3.1. PyTorch组件 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 3.2. 机器学习角度划分

测试