Pytorch是由Facebook基于LUA开编写的Torch库的Python实现的深度学习库;;随着Caffe2项目并入Pytorch, Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。总结:简洁高雅且高效快速;
国内的PADDLE飞浆在这块生态应用做的也不错,也需要学习使用;
Conclusion:Pytorch本质上是提供了更近一步的砖而不是散土,但是要做什么大夏取决于你自己;
1、更加简洁,易于理解;设计理念:追求最少的封装,避免年change造轮子;
2、上手入门快:Numpy和基本深度学习框架理论;
3、文档齐全和社区活跃支持;
4、项目开源实现–基于Pytorch进行开发;
5、方便更好调试代码;快速定位bug;
6、扩展库越来越完善;
在安装PyTorch时,我们通常使用的是Anaconda/miniconda+Pytorch+ IDE 的流程。
背景(问题):数据科学和深度学习中需要用到大量成熟的package,一个个安装 package 很麻烦,而且很容易出现包之间的依赖不适配的问题。
出现解决:Anaconda/miniconda的集成了常用于科学分析(机器学习, 深度学习)的大量package,并且借助于conda我们可以实现对虚拟Python环境的管理。解决了上述问题;
纠结:是Linux下安装还是Windows下安装;
Linux下安装更匹配实际开发环境;windows下我有GPU;
Make choice:选择Linux下安装;
//TODO:
PyTorch的优质学习资源
Awesome-pytorch-list:目前已获12K Star,包含了NLP,CV,常见库,论文实现以及Pytorch的其他项目。
PyTorch官方文档:官方发布的文档,十分丰富。
Pytorch-handbook:GitHub上已经收获14.8K,pytorch手中书。
PyTorch官方社区:PyTorch拥有一个活跃的社区,在这里你可以和开发pytorch的人们进行交流。
PyTorch官方tutorials:官方编写的tutorials,可以结合colab边动手边学习
动手学深度学习:动手学深度学习是由李沐老师主讲的一门深度学习入门课,拥有成熟的书籍资源和课程资源,在B站,Youtube均有回放。
Awesome-PyTorch-Chinese:常见的中文优质PyTorch资源
除此之外,直接Google发现宝藏:还有很多学习pytorch的资源在b站,stackoverflow,知乎…未来大家还需要多多探索,我们希望大家可以在实战中不断学习,不断给予我们课程反馈。
补充:Linux下安装ANCONDA开发环境;