初识Pytorch
一、初识Pytorch
事实上有许多的机器学习框架，比如Google的TensorFlow，FaceBook的PyTorch等。目前，工业界应用最为广泛的依然是TensorFlow，新版的TensorFlow已经支持动态计算图；学术界则更为流行Pytorch框架。
（一）发展历程
Pytorch前身是Torch，Torch是一个开源的机器学习框架，其编程语言是C和Lua。Torch早在2002年就发布了其初版，如今Torch依旧是比较热门的深度学习框架之一。因此，Pytorch底层依然使用C++实现，并提供了C++接口，如libtorch。
由于Torch编程语言本身的限制（Ｃ使用起来过于繁琐，而Lua使用者少并且现在几乎已经停止迭代了），FaceBook公司在2017年推出了以Python为主要编程语言的PyTorch。其优点是开源的代码和社区，本身其实也是经典机器学习库Torch框架的一个端口。
（二）文档&源码
官方文档
Pytorch中文文档 ~非官方~
学习任何一个框架或者库，最直接且高效的方法都应是直接参阅官方文档，对于晦涩的部分建议再查找相应博客或Stack Overflow。
当然，现在GPT可以作为很好的API查找工具，同时也能帮助你理解很多内涵。
Pytorch架构
常用组件如下
| 主要组件 | 描述 |
|---|---|
| torch | 类似 NumPy 的张量库，不同于Numpy数组使用CPU内存，Torch支持GPU |
| torch.autograd | 自动求导库，支持 torch 中所有可微分的张量操作 |
| torch.jit | 一个编译栈（TorchScript），用于从 PyTorch 代码创建可序列化和可优化的模型 |
| torch.nn | 一个与 autograd 深度集成的神经网络库，设计用于最大灵活性，nn即Neural network的缩写。 |
| torch.multiprocessing | 类似Python 的 multiprocessing 模块，但具有跨进程的神奇 torch 张量内存共享功能。适用于数据加载和 Hogwild 训练 |
| torch.utils | 提供DataLoader、model_zoo和其他便利性工具函数 |
实际还包含torch.optim，torch.onnx，torch.functional，torch.random等等，可以在Pytorch的仓库源码中查看，torch/路径下。
常用到的包我会在后续博文中讲解，需要更深入的话建议翻阅官方和并对照源码进行理解。
（三）常用依赖
图像处理TorchVision
torchvision 包含流行的数据集、模型架构和计算机视觉中常用的图像变换。
音频处理TorchAudio
torchaudio是一个使用PyTorch进行音频和信号处理的库。它提供I/O，信号和数据处理功能，数据集，模型实现和应用程序组件。
多学习优秀的开源项目对个人编码能力尤其是架构理解提升显著，开始时看不懂或者看了前面忘了后面无碍，这也是需要积累的过程。