选择pytorch的好处有什么

1. python化的编程风格
2. tensor与numpy相同的格式，但计算可以放到gpu上进行加速计算
3. 可以生成一个动态计算图Dynamic Computation Graph(最主要特性)

关于动态计算图

圆形节点表示一种运算如MM，Add
方形节点表示变量
箭头表示依赖关系
运算顺序从上到下，相当于多个函数嵌套 => 计算模型更加灵活复杂

也能让BP算法随时进行

DCG的实际编程实现

import torch
x = torch.ones(2, 2, requires_grad=True) # 需要打开requires_grad，定义一个自动微分变量
print(x)
y = x + 2
print(y.grad_fn)  # 查看y在动态计算图图中的父节点
z = torch.mean(y*y)  # 对y矩阵的值求平均值
print(z)
print(z.data)
z.backward()  # 求叶节点梯度计算的结果存到x.grad中 => 自动微分
print(x.grad)

结果如图

总结

• BP算法是深度学习网络实现的一个重要基础，所以pytorch中的dcg可以让bp算法随时进行这个特点是我们选择它的一个最重要因素
• 其次通过.cuda可以把tensor放到gpu上进行运算加速
• 再次就是其统一而简洁的python化编程风格

2020-03-02-pytorch入门（一）为什么要选择pytorch

原文：https://www.cnblogs.com/yokingyoking/p/12394324.html