pytorch第一弹

标签： pytorch 深度学习

本系列需要有基本的python编程能力以及对深度学习有皮毛的了解，比如知道什么是前向传播，反向传播，什么是卷积池化等。

为什么是pytorch

随着深度学习不断火热，也出现了大量的深度学习框架，借助这些深度学习框架你能很快的实现一个深度网络。对于这些框架而言，其核心就是实现了一些基本的操作-比如卷积，池化以及一些常见的损失函数，激活函数、还有重中之重的反向传播。借助这些框架，我们搭建网络时，只需要把前向传播的过程定义好就行了，反向过程框架会自动帮我们完成。

当前的主流框架有Tensorflow、mxnet、caffe、pytorch，他们都是大同小异，里面都会包含一些基本的定义，但为什么当前pytorch这么火呢，我觉得和它的好用分不开，我使用过tensorflow，也用过pytorch。发现pytorch更加符合平时的编程习惯，因为pytorch在运行代码的时候是每一次迭代都会建立一次前向过程，所以能够通过调试来很清楚的发现里面发生了什么，所以pytorch也叫做动态的。而tensorflow则在定义完前向之后，会把前向图固定起来，也就是只在运行的时候简历一次前向传播，所以使得tensorflow不易调试。你学习pytorch的时候觉得和学习一个python的包没什么区别，都是调用来调用去，但是再用Tensorflow的时候，就像学了一门新的语言一样，很晦涩难懂，所以推荐用pytroch。