PyTorch是什么?单从字面上，我们就能很容易看出来，与Python和Torch有关。PyTorch是使用Python作为编程语言，可以说是Torch的Python版，是由Torch7团队开发的，一种开源的神经网络框架，专门用于 GPU 加速的深度神经网络(DNN)编程。

可以将PyTorch 看做加入了GPU 支持的numpy，同时PyTorch也是一个拥有自动求导功能的强大的深度神经网络，已经被Facebook、Twitter、CMU 和Salesforce 等机构采用。

一、PyTorch优点

1.简洁：

PyTorch在设计时，追求的是最少的封装，因此PyTorch 的设计遵循tensor→variable(autograd)→nn.Module 三个由低到高的抽象层次，分别代表着高维数组(张量)、自动求导(变量)和神经网络(层/模块)，而且这三个抽象之间联系紧密，可以同时进行修改和操作。 简洁的设计使得PyTorch的代码非常容易理解。PyTorch的源码只有TensorFlow的十分之一左右，设计直观、不抽象，使得PyTorch的源码十分易于阅读和理解。

2.速度：

PyTorch 的灵活性很高，速度也很快，在众多评测中，PyTorch 的速度表现胜过 TensorFlow和Keras 等许多神经网络框架。PyTorch，通过一种反向自动求导的技术，可以零延迟地任意改变神经网络的行为，尽管这项技术不是PyTorch 独有，但目前为止它实现是最快的，这也是PyTorch 对比Tensorflow 最大的优势。

3.易用：

PyTorch的面向对象的接口设计来源于Torch，而Torch的接口设计以灵活易用而著称，PyTorch继承了Torch的衣钵，尤其是API的设计和模块的接口都与Torch高度一致。PyTorch的设计最符合人们的思维，它让用户尽可能地专注于实现自己的想法，即所思即所得，不需要考虑太多关于框架本身的束缚。

4.活跃的社区：

PyTorch 提供了完整的文档，循序渐进的指南，作者亲自维护的论坛 供用户交流和求教问题。Facebook 人工智能研究院对 PyTorch 提供了强力支持，作为当今排名前三的深度学习研究机构，FAIR的支持足以确保PyTorch获得持续的开发更新，不至于像许多由个人开发的框架那样昙花一现。

二 、PyTorch安装

如果已经安装了cuda8.则使用pip来安装pytorch会十分简单。若使用其他版本的cuda，则需要下载官方释放出来对应的安装包。具体安装地址参见官网的首页。

目前最新稳定版本为0.4.0.上个版本0.3.0的文档有中文版，见中文文档。

pip install torch torchvision  # for python2.7

pip3 install torch torchvision  # for python3