2.1 PyTorch介绍

2017年1月，Facebook人工智能研究院在GitHub上发布了PyTorch，而后PyTorch迅速占领GitHub热度榜榜首。PyTorch的特点如下。

1．简洁

PyTorch追求最少的封装。PyTorch的设计遵循由张量到变量再到神经网络这三个由低到高的抽象层次，而且保持这三个抽象层次之间的紧密联系，使开发者可以同时对这三个层次进行修改。PyTorch的源代码只有TensorFlow的十分之一左右，更直观的设计使得PyTorch的源代码十分易读。

2．运行速度快

框架的运行速度和开发者的编码水平有极大关系，但同样的算法，使用PyTorch实现更有可能快过使用其他框架实现。

3．易用

PyTorch让开发者尽可能地专注于实现自己的想法，即所思即所得，不需要受到太多关于框架本身的束缚。

4．活跃的社区

PyTorch提供完整的文档和开发者亲自维护的论坛。Facebook人工智能研究院为PyTorch提供了强力支持，作为当今世界闻名的深度学习研究机构，Facebook人工智能研究院的支持足以确保PyTorch持续更新。

在PyTorch推出不到一年的时间内，GitHub上就出现了利用PyTorch解决各类深度学习问题的方案，同时也有许多新发表的论文采用PyTorch作为实现工具，由此可以看出，PyTorch正在受到越来越多开发者的青睐。

本书基于PyTorch介绍深度学习的实践，需要特别说明的是，考虑到GPU价格比较昂贵，很多学校还无法做到为机房中的每台计算机都装上GPU，所以本书的绝大多数程序都可以在没有GPU的Windows系统上实现（当然在装有GPU的计算机上能更快地得到运行结果）。要将这些程序移植到装有GPU的环境下，读者只需要添加简单的几条语句就可以了。