每天五分钟深度学习PyTorch：面对Tensorflow，为何我选择PyTorch

这篇专栏文章不是为了挑起tenserflow和pytorch中哪个更好，众所周知tensorflow诞生以来，已经成为最流行的深度学习框架，可以说github中大多数的深度学习代码实现是以tensorflow实现的，也就是说资源众多，社区强大，这是tensorflow的好处。

为什么要学习pytorch

在tensorflow之后pytorch也异军突起，成为了当下可以和tensorflow抗衡的深度学习框架，这也是为什么要学习pytorch的原因。

不是因为tensorflow不够优秀，而是因为pytorch足够优秀，它优秀到从它诞生之日起，它的发展和tensorflow一样迅速，甚至很多科研机构，工业界也在开始逐步转移到pytorch，相信在不远的将来，很有可能pytorch和tensorflow共分天下。

PyTorch深度学习框架有以下的优势：

动态图与直观性

相较于Tensorflow的静态图设计，PyTorch的动态图特性为我提供了更大的灵活性和直观性。在Tensorflow中，我需要事先定义好计算图，然后才能进行数据的输入和计算。这种方式虽然在一定程度上优化了计算效率，但对于调试和模型设计来说，却显得有些僵化。而在PyTorch中，我可以随时修改模型结构，实时查看变量的值，这对于我来说无疑更加友好。

此外，PyTorch的API设计也更为直观和简洁。它的代码风格更接近Python原生的编程习惯，使得我能够更快地掌握并应用到实际项目中。而Tensorflow的API则显得有些繁琐和复杂，需要花费更多的时间和精力去学习和理解。

易于上手与社区支持：PyTorch的实用优势