6.3.1. 常用¶

版本查询:

>>> import torch
>>> print(torch.__version__)
2.0.1+cu118

github: https://github.com/pytorch/pytorch
官网: https://pytorch.org/
PyTorch 版本与 CUDA 版本有对应关系: https://pytorch.org/get-started/previous-versions/

PyTorch 是最新的深度学习框架之一，由 Facebook 的团队开发，并于 2017 年在 GitHub 上开源。有关其开发的更多信息请参阅论文《PyTorch 中的自动微分》

PyTorch 很简洁、易于使用、支持动态计算图而且内存使用很高效，因此越来越受欢迎

安装:

// Anaconda安装
conda install pytorch torchvision -c pytorch

// pip安装
# Python 3.x
pip3 install torch torchvision

# Python 2.x
pip install torch torchvision

PyTorch 顶级项目¶

CheXNet：使用深度学习来分析胸部 X 光照片，能实现放射科医生水平的肺炎监测: https://stanfordmlgroup.github.io/projects/chexnet/
PYRO：这是一种用 Python 编写的通用概率编程语言（PPL），后端由 PyTorch 支持：https://pyro.ai (https://pyro.ai/)
Horizon：一个用于应用强化学习（Applied RL）的平台：https://horizonrl.com (https://horizonrl.com/)

TensorFlow 还是 PyTorch?¶

TensorFlow 是一种非常强大和成熟的深度学习库，具有很强的可视化功能和多个用于高级模型开发的选项。它有面向生产部署的选项，并且支持移动平台。另一方面，PyTorch 框架还很年轻，拥有更强的社区动员，而且它对 Python 友好。

我的建议是如果你想更快速地开发和构建 AI 相关产品，TensorFlow 是很好的选择。建议研究型开发者使用 PyTorch，因为它支持快速和动态的训练。

首先我们要搞清楚pytorch和TensorFlow的一点区别，那就是pytorch是一个动态的框架，而TensorFlow是一个静态的框架。

Docker¶

Docker镜像: https://hub.docker.com/r/pytorch/pytorch/tags