一文解构PyTorch：深入了解PyTorch内部机制

PyTorch是一个新兴的机器学习框架，由Facebook人工智能研究团队开发。由于其灵活性、动态网络模型等特性，发展非常迅猛，目前已是机器学习框架Top 2。下面我们通过一个PPT，来深入了解一下PyTorch的内部机制。

作者Christian Perone，资深机器学习/数据科学研究员、软件工程师。曾在惠普工作，目前在加拿大顶尖的工程学院之一的蒙特利尔工程学院的任教，

Torch是一个用于机器学习和科学计算的模块化开源库，最初是NYU的研究人员为学术研究而开发的。

该库通过对LuaJIT编译器的利用提高了性能，而且基于C的NVIDIA CUDA扩展使得Torch能够利用GPU加速。

许多开发人员使用Torch作为受GPU支持的NumPy替代方案；其他开发人员使用它来开发深度学习算法。

Torch得以闻名，源于Facebook和Twitter对它的使用。PyTorch顾名思义就是使用了Python作为开发语言。

PyTorch是一个较新的深度学习框架，主打动态网络模型。相比其他同类框架，PyTorch提供一种较低级别的方法，对于更具备数学背景的用户来讲灵活性更强。

虽然问世时间不久，但PyTorch发展势头迅猛，已成为机器学习主流框架Top 2（下图中右下角最短的紫色曲线）。

下面，我们通过Perone的PPT，来深入的了解一下PyTorch的内容机制。