1.1 为什么要选择学习PyTorch(PyTorch的优点)?
-
- 活跃度:逐渐形成了完整的开发生态,资源多
- 框架的优雅性
- 对于初学者的友好型
- 采用动态图的架构,且运行速度较快
- 代码简介,易于理解,设计优雅,易于调试
- 要有线性代数,优化理论,机器学习,深度学习基础
- 在学习中遇到的困难?
- 深度学习框架太多不知道如何选择
- 开源代码很多,但阅读和修改起来很吃力
- 解决实际工程任务时,思路不清晰,不知道如何入手
- 学术方向选择困难,不知如何开始
-
1.2 PyTorch的一些案例
-
2.1 pytorch框架
- Facebook人工智能研究员(FAIR)于2017年再GitHub上开源
- Torch -> PyTorch
-
2.2 PyTorch VS Tensorflow
- PyTorch 简洁性(编程同Python几乎一致)
- 动态计算
- visdom
- 部署不方便
- Tensorflow(1.0) 接口复杂
- 静态图(TF2.0 Eager Execution已经引入动态图)
- Tensorboard
- 部署方便(TF serving)
- PyTorch 简洁性(编程同Python几乎一致)
-
2.3 动态图与静态图
- 动态图就是在编程的时候可以一边编程一边执行,对于静态图,需要先构图,构图就是需要先将网络结构设计好,然后才能在后端运行我们的网络
- 动态图:编号程序即可执行
- 静态图:先搭建计算图,后运行;允许编译器进行优化;代码编程复杂,调试不直观
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。