背景

• 诞生：2017年1月18日由Facebook的AI研究团队在GitHub上公布，目前已经更新到0.4版本，即将发布1.0版本，发展迅速；

特点

• 动态图，即在运行时定义创建，可以多次构建多次运行，非常Pythonic，可以随时查看训练中的tensor值，快速学习网络方法，简洁优雅；
• 无比重视用户体验，可看做支持GPU操作的Numpy；
• caffe2已并入了PyTorch，将caffe2优秀的后端与PyTorch优秀的前端进行了结合
• 更有利于研究人员、爱好者、小规模项目等快速搞出原型

PyTorch与Torch的关系

• Torch：诞生于2002年的纽约大学，使用lua语言，小众性；
• PyTorch：考虑到python的强大，团队重构了tensor上的所有模块，形成动态图

其他主流框架比较

TensorFlow

• 2015年google发布，继承于Theano，静态图，数据即是代码，代码就是数据，最流行；
• 优点：社区强大，功能全面、适合生产环境、边缘部署，更适合大规模部署，特别是需要跨平台和嵌入式部署时；
• 缺点：设计有些复杂，理解入门难，接口与文档皆不完备；

Keras

• 高阶框架，构建与TensorFlow之上
• 优点：快速实现想法，容易上手，简洁
• 缺点：灵活性低，程序运行慢，难以掌握网络精髓