PyTorch 和 Tensorflow 有什么不同？
PyTorch 和 Tensorflow 有什么不同？
原文：https://medium.com/hackernoon/how-is-pytorch-different-from-tensorflow-2c90f44747d6
PyTorch 早期发布版本于昨天 1/19 公布。PyTorch 目前由亚当·帕兹克、萨姆·格罗斯和苏密特·钦塔拉维护。想到的第一个问题是py torch 到底是什么？用制作者的话说，PyTorch 给出了
GPU 张量、动态神经网络和深度 Python 集成。
这是一个 Python 优先库，与其他库不同，它不像 C-Extensions 那样工作，具有最小的框架开销，与英特尔 MKL 和 NVIDIA (CuDNN，NCCL)等加速库集成，以最大限度地提高速度。
让我们在这里暂停一下，并试图意识到，直到最近几个月，人们还在假设深度学习图书馆生态系统正在稳定，但这与现实相去甚远。该生态系统中的尖端技术确保了对动态计算图形和 PyTorch 的有效支持，这是所有方面的优势。
每当需要完成的工作量变化时，动态计算图就会出现。这可能是当我们处理文本时，一个例子是几个单词，而另一个是文本的段落，或者当我们对可变大小的树结构执行操作时。这个问题在特定的子领域特别突出，比如自然语言处理，我大部分时间都花在那里。
PyTorch 受链轮和 DyNet 的影响很大。用 Chainer 的话说，这是“定义并运行”框架和“定义并运行”框架之间的区别。TensorFlow 是一个“定义并运行”的框架，其中可以在图结构中定义条件和迭代，而在 comparison Chainer、DyNet、PyTorch 中都是“定义并运行”的框架。在这种情况下，系统在运行时生成图形结构。这更接近于用任何语言编写代码，因为代码中的 for 循环在图结构中也表现为 for 循环。TensorFlow 不能很好地处理动态图，尽管有一些不那么灵活的，坦率地说，非常有限的原始动态结构。
请在 twitter 上关注我，你也可以注册一个由我维护的小而不常见的 T2 邮件列表。如果你想了解深度学习，就去看看这篇中帖。
黑客中午是黑客如何开始他们的下午。我们是 @AMI 家庭的一员。我们现在接受投稿并乐意讨论广告&赞助机会。
要了解更多信息，请阅读我们的“关于”页面、在脸书上给我们点赞/发消息，或者简单地说， tweet/DM @HackerNoon。