¿Qué es pytorch?
PyTorch es una biblioteca de aprendizaje automático Python de código abierto basada en Torch y adecuada para aplicaciones como el procesamiento del lenguaje natural.
1. Historial de desarrollo:
El predecesor de PyTorch es Torch. La capa inferior es la misma que el marco de Torch, pero gran parte del contenido se ha reescrito en Python. No solo es más flexible, admite gráficos dinámicos y también proporciona una interfaz Python. Desarrollado por el equipo de Torch7, es el primer marco de aprendizaje profundo de Python que no solo permite una potente aceleración de GPU sino que también admite redes neuronales dinámicas.
En enero de 2017, el Instituto de Investigación de Inteligencia Artificial (FAIR) de Facebook lanzó PyTorch basado en Torch. Es un paquete informático reproducible basado en Python que proporciona dos funciones avanzadas: computación tensorial con potente aceleración de GPU y redes neuronales profundas que incluyen un sistema de inferencia automática.
2. Ventajas:
PyTorch es un marco bastante simple, eficiente y rápido. Su diseño busca una encapsulación mínima y permite a los usuarios centrarse en la implementación. tanto como sea posible. Al igual que Tensorflow de Google, el soporte FAIR es suficiente para garantizar que PyTorch reciba actualizaciones de desarrollo continuas. El autor de PyTorch mantiene personalmente un foro para que los usuarios se comuniquen y hagan preguntas, y es muy fácil comenzar.
Los investigadores prestan atención a PyTorch por las siguientes razones:
1. Simplicidad:
Es similar a numpy y es en gran medida un estilo de Python. combinado con otros estilos en el ecosistema de integración de Python. Por ejemplo, puede simplemente insertar en cualquier parte del modelo en PyTorch y pdb puede usar puntos de interrupción.
2. Es una API excelente:
La mayoría de los investigadores prefieren la API de TensorFlow a la API de PyTorch. Parte de esto se debe a que PyTorch tiene un mejor diseño, mientras que TensorFlow cambia de API varias veces (por ejemplo, "capa" -gt.). " - gt; "Delgado" - gt; "Estimador" - gt; " tf.keras tiene más operaciones que "retardado" - gt " Comparado con "retardado", es mucho más operable.
3. Mejor rendimiento:
Aunque PyTorch tiene menos oportunidades para optimizar gráficos dinámicos, todavía hay muchos rumores de que PyTorch es incluso más rápido que TensorFlow. Aunque no está claro si esta afirmación es cierta, al menos TensorFlow lo es. no tenemos una ventaja decisiva en este ámbito.