深度学习基础与实践 课件 3.3.2PyTorch框架_第1页
深度学习基础与实践 课件 3.3.2PyTorch框架_第2页
深度学习基础与实践 课件 3.3.2PyTorch框架_第3页
深度学习基础与实践 课件 3.3.2PyTorch框架_第4页
深度学习基础与实践 课件 3.3.2PyTorch框架_第5页
已阅读5页,还剩6页未读 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

PyTorch框架PyTorch官网地址/PyTorch是一个基于Torch的开源Python机器学习库,用于自然语言处理等应用程序,更加灵活,支持动态图,提供了Python接口,能够实现强大的GPU加速,支持动态神经网络。PyTorch支持动态图的创建,在深度学习平台定义模型主要有两种方法:静态图模型的缺陷是在处理数据前必须定义好完整的一套模型,才能够处理所有的边际情况。动态模型能够自由地定义模型,作为Numpy的替代者,使用强大的GPU,支持Tensor库,极大地加速了计算。PyTorch提供的功能1、提供强大的N维数组操作,包括索引、切片和转置等。2、通过LuaJIT实现C接口。3、线性计算和数值优化。4、生成神经网络以及能量模型,能量模型是生成模型的一种形式。5、快速高效GPU支持,可嵌入到iOS和Android后端。PyTorch的优势1、简洁。PyTorch的设计追求最少的封装,设计遵循Tensor→Variable(autograd)→nn.Module三个由低到高的抽象层次,且联系紧密,可以同时进行修改和操作。代码易于理解,更少的抽象、更直观的设计。2、速度。PyTorch的灵活性不以速度为代价,PyTorch的速度表现胜过TensorFlow和Keras等框架,是相当简洁且高效快速的框架。3、易用。入门简单,设计符合人类思维,让用户尽可能专注于实现自己的想法,所思即所得,不需要考虑太多关于框架本身的束缚。4、活跃的社区。PyTorch提供完整的文档和循序渐进的指南,Facebook人工智能研究院对PyTorch提供了强力支持。PyTorch官网地址/基础环境:一台PC设备一张高性能NVIDIA显卡(可选)Ubun

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论