PyTorch 是一个开源的机器学习库，由 Facebook 的 AI 研究团队开发。它提供了灵活且动态的计算图，使得深度学习的研究和开发变得更加容易。

特点

  • 动态计算图：与 TensorFlow 不同，PyTorch 使用动态计算图，这使得调试和开发更加直观。
  • 易于使用：PyTorch 提供了丰富的 API 和文档，使得用户可以轻松上手。
  • 社区活跃：PyTorch 拥有一个庞大且活跃的社区，为用户提供了丰富的资源和帮助。

安装

要安装 PyTorch，请访问PyTorch 官方网站。

示例

以下是一个简单的 PyTorch 示例：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义一个简单的神经网络
class SimpleNN(nn.Module):
    def __init__(self):
        super(SimpleNN, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(5, 1)

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

# 创建一个模型实例
model = SimpleNN()

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

# 训练模型
for _ in range(100):
    optimizer.zero_grad()
    output = model(torch.randn(1, 10))
    loss = criterion(output, torch.tensor([1.0]))
    loss.backward()
    optimizer.step()

# 打印输出
print(output)

扩展阅读

想要了解更多关于 PyTorch 的内容，可以阅读PyTorch 官方文档。

PyTorch