如果你在社区提问初学者深度学习选择什么框架，得到的回答大多是让你用PyTorch，而不是似乎应用更广的TensorFlow并且在相关论文中，越来越多的人选择PyTorch，就是说在研究领域PyTorch也更受欢迎，我来为大家科普一下关于pytorch零基础?以下内容希望对你有帮助!
pytorch零基础
如果你在社区提问初学者深度学习选择什么框架，得到的回答大多是让你用PyTorch，而不是似乎应用更广的TensorFlow。并且在相关论文中，越来越多的人选择PyTorch，就是说在研究领域PyTorch也更受欢迎。
▲ 实线是PyTorch，虚线是TensorFlow
PyTorch 和TensorFlow 无疑是当下深度学习框架中两个霸主，但为什么对初学者来说PyTorch 会更合适呢？
三大理由选择PyTorch
因为学习和生产使用的目的是不一样的，要求也不一样，而PyTorch作为一个对初学者与研究友好的深度学习框架，有以下三个优先选择的理由。
专门的Python机器学习库
2016年10月，Facebook的AI团队（如今叫Meta AI）开源了自己的机器学习框架——PyTorch 。选择Python主要是因为Python代码的简洁与高可读性，这让开发者能够专注于解决机器学习中的问题，而不是浪费精力在因为选择编程语言而带来的其他问题上。
另外一个重要原因是Python有着非常丰富的库可供选择，大大节省了开发成本，比如高性能计算常用到的NumPy、用来做数据分析的Pandas等。
并且Python的易用性还吸引了更多的人使用，然后他们又开发更多的机器学习相关库与软件，形成一个良性循环：Python让机器学习变得更简单好用，机器学习又让Python变得更流行。
▲ 各编程语言的发展趋势图，蓝色代表Python
Python在近几年以腾飞之势发展，一部分原因要归功于人工智能的发展。
Python让PyTorch 更简单
正是因为Python的易用性、可移植性、拥有丰富的库等特性，使用PyTorch可以更快速地构建机器学习模型。
可视化一直是深度学习中重要的一环，不管是展示结果还是调试参数，可视化操作的确是效果更好。PyTorch有专门的可视化神器——visdom，这是一款专门为PyTorch开发的可视化工具，可以在绝大部分数据可视化任务中发挥作用。
丰富的工具让PyTorch变得简单好用。
同样的，Python能够轻易入门的优势也在PyTorch中体现了出来。相对其他深度学习框架，PyTorch的学习门槛更低、成本更少。这主要归功于Python那简单直观的语法，即使从未使用过PyTorch，也能很快从那些简单的语法中看出代码的大概意思，从而加快学习速度。
还有专业活跃的社区与完善的文档支持，让学习使用PyTorch也变得更轻松。
Facebook出品，开源透明
作为Facebook开发的开源产品，有许多深度学习的软件是建立在PyTorch的基础之上的。比如特斯拉的Tesla Autopilot、优步的Pyro、Hugging Face的 Transformers、PyTorch Lightning和Catalyst等。
使用开源软件做学习与研究是非常明智的选择——因为免费啊！并且在遇到问题的时候可以快速从网上得到解决方案，活跃的社区与开发者总能很快地给予回复，这也是PyTorch在开源方面做得更好带来的优势。
综合看下来，好像PyTorch的确非常简单，是入门深度学习的一个不错的选择。那么它有多简单呢？
简单到只用一本书就能完全搞定！从深度学习框架零经验到创建神经网络和深度学习系统，只要《PyTorch深度学习实战》一本足矣。
▲ PyTorch权威之作，核心开发人员编写
一书搞定PyTorch
关于一门技术或者工具，是谁对它更了解？能把它讲得更清楚？当然是它的开发者！
PyTorch核心开发者编写
这本书的作者有3个，分别是伊莱·史蒂文斯、卢卡·安蒂加和托马斯·菲曼，3个人都是80后。他们都在很小的时候就接触到了家用计算机，并且深深地迷恋上那些神奇的机器，很快就学会了编程并疯狂地研究算法。和当时的年轻人一样，他们看到了计算机给未来带来的无限可能，并且经常幻想着计算机能够让自己做到更多的事情。
▲ 伊莱·史蒂文斯
▲ 托马斯·菲曼
▲ 卢卡·安蒂加
伊莱·史蒂文斯、卢卡·安蒂加开始的工作都和医学图像分析有关，而托马斯·菲曼在大学的专业是神经网络和模式识别，后来还拿到数据建模的博士学位。三个人的工作都和人工智能联系紧密，在本世纪初的时候，深度学习开始出现在计算机视觉领域，并开始在医学图像分析任务中发挥作用。
这立马引起了三人的注意，在花了不少时间去认识和学习深度学习后，他们意识使用这种新的技术可以解决更复杂的问题。这让他们大受鼓舞，关于计算机的能做什么的问题一下子变得清晰无比：计算机的功能不再限制于程序员的大脑，而是被数据、神经网络结构和训练的过程所决定。
当时卢卡·安蒂加在实践过程中选择了PyTorch的前身Torch，并很快爱上了这个灵活、轻便、运行飞快的框架。伊莱·史蒂文斯尽管大学的时候就对工智能非常感兴趣，但早期的工作方向是医疗设备和检测软件，与深度学习稍有偏差。这让他很苦恼，因为当时的深度学习框架作为业余使用的话实在是比较费劲。
很早的时候三人就加入了PyTorch社区，开始为之贡献自己的一份力。卢卡·安蒂加和托马斯·菲曼因为很早就关注PyTorch，并且因为职业原因使用得更多，在为PyTorch贡献了大量代码、修复了很多错误、新增了不少特性之后，他俩率先成为了PyTorch的核心开发者。伊莱·史蒂文斯作为社区成员，在错误文档修复、更新文档和实现新特性工作上做了许多贡献。
三个人对于PyTorch的热情不减，组织多次PyTorch研讨会之后，他们觉得应该写一本书了——写一本能够吸引PyTorch初学者的书。
专为零经验初学者而写的PyTorch教程
最开始大家的想法极其宏大：这本书应该教授基础的知识，并且能够完成一个端到端的项目，当然还要演示PyTorch最新和最好的模型。不过经过讨论研究之后他们发现，把这些内容全部塞到一本书里面完全是不可能的事，所以最后又回到了最初的目标：让一个完全的初学者了解PyTorch的关键概念，并最终完成一个完整的项目。
写这本书的时候他们想到了最初的自己：那时候PyTorch并没有权威专业的教程，都是自己硬着头皮去学的。为了让像以前的自己那样对PyTorch感兴趣，又苦于没有一本合适教程图书的读者能够快速学会并使用PyTorch，他们开始写这本书。
代码丰富，示例有趣
很多初学者被那些技术大部头书劝退，大部分原因是那些书实在是太无聊了，整一个枯燥地展示高深的原理和概念，看一两眼就要睡过去。而这本书作者三人都是从最初什么都不懂走过来的，知道真正的初学者想要什么：简单易懂，讲得有那么一点趣味性是最好了。
其实PyTorch本身是相对简单的，只要有一点Python基础，就能看明白书中基于Python 3.6及以上的丰富代码实例。并且即使没有深度学习的经验，也能够使用这本书——重点是让读者学会熟练使用PyTorch库。
而且，为了让分析问题的过程更形象直观，书中使用了大量的颇具趣味性的插图示例，让这个学习过程变得更有意思。
▲ 一个简单的推理过程
循序渐进，逐步探索
正是为了照顾初学者，他们没有把这本书写成一部巨厚无比的PyTorch参考书，而是写成了一本概念性的指南。通过对PyTorch关键特性的直观描述，深入细节剖析背后的奥秘，引导初学者进行深一步的探索。
就像打游戏中的副本，没有人会一上来就直接干boss吧？都是先把小怪清掉，积累点经验和装备，然后再从易到难依次解决那些boss。学习新的知识和技能同样是这样的，先把基础的学好，然后循序渐进，逐步推进，直到完成学习目标。
伊莱·史蒂文斯、卢卡·安蒂加和托马斯·菲曼3个人根据自己擅长的内容，分工合作：卢卡·安蒂加负责第一部分的基础内容；伊莱·史蒂文斯是肿瘤放疗软件的专家，第二部分的实战项目就由他负责了——完成一个全面的肺癌自动检测解决方案的项目；托马斯·菲曼作为PyTorch专业培训师和顾问，擅长将理论应用于实战，所以第三部分关于PyTorch部署的内容就由他来负责了。
书中的内容整体呈现由易到难、由浅入深的形式，从前面的基础知识，到中间的项目实战，再到最后的部署，一站式解决从零到发布的整个过程。
作为一个相对简单的选择，入门学习深度学习框架使用PyTorch的确是更合适。而《PyTorch深度学习实战》一书避免了大量讲述无关原理和性能，专注于让初学者快速学会使用PyTorch，通过通俗的文字与趣味十足的图示引导着读者一步步探索PyTorch。
就像一个大佬带新人速通初级本，一路上指导新人这种类型副本的规则与关键技巧。当新人一步步跟在大佬身边并尝试对boss放技能，最终干掉所有boss后，也摸清了这类副本的路数，能够骄傲地跟大佬说：感谢大佬，我会了！原来这个副本并没有那么难。
滑动查看更多图书信息
