PyTorch

**PyTorch**
原作者	Adam Paszke, Sam Gross, Soumith Chintala, Gregory Chanan
初始版本	2016年10月
穩定版本	1.7.0[1]（2020年10月27日，3個月前）
源代码库	github.com/pytorch/pytorch
编程语言	Python, C++, CUDA
操作系统	Linux, macOS, Windows
类型	机器学习和深度学习库
许可协议	BSD许可证
网站	pytorch.org

PyTorch是一个开源的Python 机器学习库，基于Torch[2][3][4]，底层由C++实现，应用于人工智能领域，如自然语言处理。[5] 它最初由Facebook的人工智能研究团队开发，[6][7][8]并且被用于Uber的概率编程软件Pyro。[9]

PyTorch主要有两大特征：[10]

类似于NumPy的张量计算，可使用GPU加速；
基于带自动微分系统[11][12]的深度神经网络[13]。

PyTorch包括torch.nn、torch.optim等子模块[13]。

参考文献

. 2020年10月27日 [2020年10月28日].
Yegulalp, Serdar. . InfoWorld. 19 January 2017 [11 December 2017]. （原始内容存档于2018-07-12）.
Lorica, Ben. . O'Reilly Media. 3 August 2017 [11 December 2017]. （原始内容存档于2019-05-17）.
Ketkar, Nikhil. . Apress, Berkeley, CA. 2017: 195–208 [2018-10-02]. ISBN 9781484227657. doi:10.1007/978-1-4842-2766-4_12. （原始内容存档于2018-07-12）（英语）.
. dl4nlp.info. [2017-12-18]. （原始内容存档于2019-06-21）（英语）.
Patel, Mo. . O'Reilly Media. 2017-12-07 [2017-12-18]. （原始内容存档于2019-03-30）（英语）.
Mannes, John. . TechCrunch. [2017-12-18]. （原始内容存档于2020-07-06）（英语）. FAIR is accustomed to working with PyTorch — a deep learning framework optimized for achieving state of the art results in research, regardless of resource constraints. Unfortunately in the real world, most of us are limited by the computational capabilities of our smartphones and computers.
Arakelyan, Sophia. . VentureBeat. 2017-11-29 [2017-12-18]. （原始内容存档于2019-03-30）（美国英语）.
. Uber Engineering Blog. 2017-11-03 [2017-12-18]. （原始内容存档于2017-12-25）（美国英语）.
. pytorch.org. [2018-06-11]. （原始内容存档于2018-06-15）.
R.E. Wengert. . Comm. ACM. 1964, 7: 463–464. doi:10.1145/355586.364791.
Bartholomew-Biggs, Michael; Brown, Steven; Christianson, Bruce; Dixon, Laurence. (PDF). Journal of Computational and Applied Mathematics. 2000, 124 (1-2): 171–190. Bibcode:2000JCoAM.124..171B. doi:10.1016/S0377-0427(00)00422-2.
. 机械工业出版社. 2018. ISBN 9787111605775.

外部链接

官方网站

This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.

[wikidata-f6bd3a71cb4574b8411e822bb61f6d1a62badc8a-v3-1] . 2020年10月27日 [2020年10月28日].

[2] Yegulalp, Serdar. . InfoWorld. 19 January 2017 [11 December 2017]. （原始内容存档于2018-07-12）.

[3] Lorica, Ben. . O'Reilly Media. 3 August 2017 [11 December 2017]. （原始内容存档于2019-05-17）.

[4] Ketkar, Nikhil. . Apress, Berkeley, CA. 2017: 195–208 [2018-10-02]. ISBN 9781484227657. doi:10.1007/978-1-4842-2766-4_12. （原始内容存档于2018-07-12）（英语）.

[5] . dl4nlp.info. [2017-12-18]. （原始内容存档于2019-06-21）（英语）.

[6] Patel, Mo. . O'Reilly Media. 2017-12-07 [2017-12-18]. （原始内容存档于2019-03-30）（英语）.

[7] Mannes, John. . TechCrunch. [2017-12-18]. （原始内容存档于2020-07-06）（英语）. FAIR is accustomed to working with PyTorch — a deep learning framework optimized for achieving state of the art results in research, regardless of resource constraints. Unfortunately in the real world, most of us are limited by the computational capabilities of our smartphones and computers.

[8] Arakelyan, Sophia. . VentureBeat. 2017-11-29 [2017-12-18]. （原始内容存档于2019-03-30）（美国英语）.

[9] . Uber Engineering Blog. 2017-11-03 [2017-12-18]. （原始内容存档于2017-12-25）（美国英语）.

[10] . pytorch.org. [2018-06-11]. （原始内容存档于2018-06-15）.

[11] R.E. Wengert. . Comm. ACM. 1964, 7: 463–464. doi:10.1145/355586.364791.

[12] Bartholomew-Biggs, Michael; Brown, Steven; Christianson, Bruce; Dixon, Laurence. (PDF). Journal of Computational and Applied Mathematics. 2000, 124 (1-2): 171–190. Bibcode:2000JCoAM.124..171B. doi:10.1016/S0377-0427(00)00422-2.

[:0-13] . 机械工业出版社. 2018. ISBN 9787111605775.