TensorFlow 真的要被 PyTorch 比下去了吗?

2021 年 10 月 11 日 PaperWeekly

总有人在后台问我,如今 TensorFlow 和 PyTorch 两个深度学习框架,哪个更流行?

 

就这么说吧,今年面试的实习生,问到常用的深度学习框架时,他们清一色的选择了「PyTorch」。

 

这并不难理解,这两年,PyTorch 框架凭借着对初学者的友好性、灵活性,发展迅猛,几乎占据了深度学习领域的半壁江山。比起 TF 的框架环境配置不兼容,和 Keras 由于高度封装造成的不灵活,PyTorch 无论是在学术圈还是工业界,都相当占优势。不夸张地说,掌握了 PyTorch ,就相当于走上了深度学习、机器学习的快车道。

 

那么,PyTorch 为什么这么强?

 

首先,PyTorch 的命令式的编程风格,这对用户很友好。

PyTorch 设计得更科学,不必像 TF 那样,还要在各种 API 之间做切换,操作便捷。代码可读性也更强,能让人把注意力集中在问题本身而不是实现。一个 layer 也只对应一种函数,不用去纠结应该学习哪个。

 

其次,PyTorch 的易用性更好,而且生态起来了,大部分论文开源都是用 PyTorch。

PyTorch各种开发版本都能向下兼容,环境配置和网络搭建分分钟拿下。而且 PyTorch 跟 NumPy 风格比较像,轻易就能和Python 生态集成起来,开发者掌握了NumPy跟基本的深度学习概念就能上手。

 

还有,PyTorch 在 debug 代码的过程也十分方便,可以随时输出中间向量结果。

使用 PyTorch 就像在 Python 中使用 print 一样简单,只要把一个 pdb 断点扔进 PyTorch 模型里,直接就能用了。

 

而且 PyTorch 的应用范围越来越广,不仅能够帮你实现模型和算法,快速完成深度学习模型部署,提供高并发服务,还可以轻松去实现图像生成、文本分析、情感分析这样的有趣实验。

 

从下面这张图就可以看出,它的技术迭代速度,还有生态发展速度都是非常迅猛的。

 

      趋势图

 

现在,越来越多的大公司都在使用 PyTorch,很多大厂招聘中,跟算法相关的岗位,也同样会要求你熟练使用 PyTorch 等工具。

 

PyTorch这么多优点,要如何高效入门?

 

在我看来,好的学习资料至少要满足 2 点:一站式学习 + 样例导向

 

不仅能给出知识体系、线索,掰开揉碎了讲清楚。在此基础上,还要根据实际的案例,上手实操,练过、犯过错,才能懂其中的诀窍,而不是输出一些死记硬背的概念。

 

当然,想满足这个条件的课程,需要老师有长时间的打磨和深厚的功底。最近刷到方远写的《PyTorch深度学习实战》专栏, 看了更新的几篇,有丰富的代码和实战案例,还有一线实操的踩雷点,以及使用心得,感觉不错,分享个他整理的学习图谱。

 

 

完整跟下来,你能获得这样一个从「具体问题 → 找合适的算法与模型 → 自主解决问题」完整技术框架。而熟练使用 PyTorch 工具,解决自己的问题,只是这个专栏要实现的一个小目标。

 

除了交付系统的 PyTorch 技术学习框架,专栏还从实际需求出发,原理 + 实操,传递在深度学习这条路上的经验思考。更重要的是,这个专栏会给你分析问题的能力和和解决问题的方法,让你懂得怎样去优化你自己的算法与模型


这课刚上线,早鸟特惠 + 隐藏口令PyTorch66仅需¥89购买后永久有效,推荐给你。

 

早鸟特惠

原价 ¥129 ,现仅¥89

更有新人到手价¥59

 

说说作者方远

 

方远」,目前在国际知名互联网公司 Line China 担任数据科学家,主要从事计算机视觉与自然语言处理的研发工作,在深度学习领域,可是名副其实的 KOL。

 

他还曾先后在百度和腾讯任职高级算法研究员。精通 PyTorch 与 TensorFlow 框架,以及 Bert、EfficientNet、SSD、DeepLab 等主流深度学习算法。为公司内部千亿级别流量的运营审核业务,提供稳定高效的深度学习服务。也为公司移动终端产品提供可离线运行、实时、高精度的计算机视觉服务。在机器学习与深度学习的研究和应用领域已有10 年的积累

 

这样的大佬能来开课,把自己的心法毫不保留的分享出来,让普通人都可以接触到,学习到,真的是多少钱都买不到的。一个好的“老师傅”要比自学效果好得多,对于想在机器学习领域快速提升自己的同学,不要错过。

 

再说说为什么推荐这个专栏。


我很看重的一点,专栏不会“罗列”特别多的公式、复杂的推理、大量的程序等,而是把原理详解 + 动手实操,有的放矢。在带领解决问题的过程中帮助你吃透知识点,举一反三。

 

课程设计遵循从入门到精通,共 27 讲,分为 3 个递进的部分

 

  • 基础篇

简要介绍 PyTorch 的发展趋势与框架安装方法,以及 NumPy 的常用操作。我们约定使用 PyTorch 1.9.0 版本,还会给你详细讲解安装跟常用编程工具。

 

  • 模型训练篇

想快速掌握一个框架,就要从核心模块入手。在这个部分,详解了自动求导机制、训练过程可视化、分布式训练等模块,带你看看 PyTorch 能给我们提供怎样的帮助。通过这部分的学习,你就能基于 PyTorch 搭建网络模型了。

 

  • 实战篇

整个专栏都是围绕 PyTorch 框架在具体项目实践中的应用来讲的,最后还会结合当下流行的图像与自然语言处理任务,串连前面两个模块的内容,为你深入讲解 PyTorch 如何解决实际问题。

 

有多干货,来看看目录。


 

一个体系的课程,胜过 100 篇所谓的干货文。市面上关于 PyTorch 的课良莠不齐,能像方远这样带你从 0 到 1 构建知识体系,结合实战吃透 PyTorch 的,确实不多了。推荐给想要进入深度学习领域或想对深度学习更进一步的朋友,真的很值得一看。

 

最后再和大家强调一下:

早鸟特惠,原价 ¥129 ,现仅¥89

更有新人到手价¥59


👆👆👆

扫码免费试读

 

👇点击「阅读原文」免费试读或购买,2杯咖啡钱,现在就一起探索 PyTorch,打开深度学习的大门吧!

登录查看更多
1

相关内容

Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020)PPT
专知会员服务
179+阅读 · 2020年3月16日
【新书】傻瓜式入门深度学习,371页pdf
专知会员服务
188+阅读 · 2019年12月28日
【干货】谷歌Joshua Gordon 《TensorFlow 2.0讲解》,63页PPT
专知会员服务
27+阅读 · 2019年11月2日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
强推!《PyTorch中文手册》来了
新智元
33+阅读 · 2019年2月14日
手把手教 | 深度学习库PyTorch(附代码)
数据派THU
27+阅读 · 2018年3月15日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Max-Margin Contrastive Learning
Arxiv
18+阅读 · 2021年12月21日
Arxiv
24+阅读 · 2021年1月25日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
11+阅读 · 2018年1月18日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
1+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Max-Margin Contrastive Learning
Arxiv
18+阅读 · 2021年12月21日
Arxiv
24+阅读 · 2021年1月25日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
11+阅读 · 2018年1月18日
Top
微信扫码咨询专知VIP会员