PyTorch是什么?單從字面上，我們就能很容易看出來，與Python和Torch有關。PyTorch是使用Python作為編程語言，可以說是Torch的Python版，是由Torch7團隊開發的，一種開源的神經網絡框架，專門用于 GPU 加速的深度神經網絡(DNN)編程。

可以將PyTorch 看做加入了GPU 支持的numpy，同時PyTorch也是一個擁有自動求導功能的強大的深度神經網絡，已經被Facebook、Twitter、CMU 和Salesforce 等機構采用。

一、PyTorch優點

1.簡潔：

PyTorch在設計時，追求的是最少的封裝，因此PyTorch 的設計遵循tensor→variable(autograd)→nn.Module 三個由低到高的抽象層次，分別代表著高維數組(張量)、自動求導(變量)和神經網絡(層/模塊)，而且這三個抽象之間聯系緊密，可以同時進行修改和操作。 簡潔的設計使得PyTorch的代碼非常容易理解。PyTorch的源碼只有TensorFlow的十分之一左右，設計直觀、不抽象，使得PyTorch的源碼十分易于閱讀和理解。

2.速度：

PyTorch 的靈活性很高，速度也很快，在眾多評測中，PyTorch 的速度表現勝過 TensorFlow和Keras 等許多神經網絡框架。PyTorch，通過一種反向自動求導的技術，可以零延遲地任意改變神經網絡的行為，盡管這項技術不是PyTorch 獨有，但目前為止它實現是最快的，這也是PyTorch 對比Tensorflow 最大的優勢。

3.易用：

PyTorch的面向對象的接口設計來源于Torch，而Torch的接口設計以靈活易用而著稱，PyTorch繼承了Torch的衣缽，尤其是API的設計和模塊的接口都與Torch高度一致。PyTorch的設計最符合人們的思維，它讓用戶盡可能地專注于實現自己的想法，即所思即所得，不需要考慮太多關于框架本身的束縛。

4.活躍的社區：

PyTorch 提供了完整的文檔，循序漸進的指南，作者親自維護的論壇 供用戶交流和求教問題。Facebook 人工智能研究院對 PyTorch 提供了強力支持，作為當今排名前三的深度學習研究機構，FAIR的支持足以確保PyTorch獲得持續的開發更新，不至于像許多由個人開發的框架那樣曇花一現。

二 、PyTorch安裝

如果已經安裝了cuda8.則使用pip來安裝pytorch會十分簡單。若使用其他版本的cuda，則需要下載官方釋放出來對應的安裝包。具體安裝地址參見官網的首頁。

目前最新穩定版本為0.4.0.上個版本0.3.0的文檔有中文版，見中文文檔。

pip install torch torchvision  # for python2.7

pip3 install torch torchvision  # for python3