PyTorch被定义为Python的开源机器学习库。它用于自然语言处理之类的应用程序。它最初是由Facebook人工智能研究小组和基于它的Uber概率编程Pyro软件开发的。

最初，PyTorch由Hugh Perkins开发，是基于Torch框架的LusJIT的Python包装器。有两种PyTorch变体。

PyTorch重新设计并在Python实现Torch，同时为后端代码共享相同的核心C库。 PyTorch开发人员调整了此后端代码，以有效地运行Python 。他们还保留了基于GPU的硬件加速以及基于Lua的Torch的可扩展性功能。

特征

PyTorch的主要功能如下所述-

易于接口-PyTorch提供易于使用的API；因此它被认为在Python上操作和运行非常简单。此框架中的代码执行非常容易。

Python用法-该库被认为是Pythonic库，可与Python数据科学堆栈平滑集成。因此，它可以利用Python环境提供的所有服务和功能。

计算图-PyTorch提供了一个出色的平台，可提供动态计算图。因此，用户可以在运行时更改它们。当开发人员不知道创建神经网络模型需要多少内存时，这非常有用。

PyTorch以以下三个级别的抽象而著称-

• Tensor-在GPU上运行的命令式n维数组。

• 变量-计算图中的节点。这将存储数据和渐变。

• 模块-将存储状态或可学习权重的神经网络层。

PyTorch的优势

以下是PyTorch的优点-

• 调试和理解代码很容易。

• 它包括许多层的火炬。

• 它包括许多损失功能。

• 可以将其视为GPU的NumPy扩展。

• 它允许构建其结构依赖于计算本身的网络。

TensorFlow与PyTorch

我们将在下面研究TensorFlow和PyTorch之间的主要区别-