火炬支持python吗？

PyTorch 由 Torch7 团队开发。从名字就可以看出，PyTorch 与 Torch 的区别在于 PyTorch 使用 Python 作为开发语言。

所谓“Python优先”也说明它是一个优先考虑Python的深度学习框架。不仅可以实现强大的GPU加速，还支持动态神经网络，这是Tensorflow等很多主流框架所不支持的。

PyTorch 不仅可以看作是有 GPU 支持的 numpy，还可以看作是一个强大的具有自动推导功能的深度神经网络。除了Facebook，它还被Twitter、CMU和Salesforce等机构采用。

为何要使用PyTorch

面对这么多深度学习框架，我们为什么要选择PyTorch？ Tensorflow 不是深度学习框架的默认老大吗？为什么不直接选择Tensorflow而是选择PyTorch呢？下面四个方面会介绍为什么要用PyTorch。

(1) 掌握一个框架不可能一劳永逸。现在没有人对深度学习有绝对垄断，谷歌也不行，所以学习Tensorflow是不够的。同时，研究人员现在使用各种框架。要想看他们实现的代码，至少要了解他们使用的框架，多学一个框架以备不时之需。

(2) Tensorflow和Caffe都是命令式编程语言，都是静态的。首先，你必须建立一个神经网络，然后一次又一次地使用相同的结构。如果你想改变网络的结构，你必须从头开始。但对于 PyTorch 来说，通过一种逆向自动推导技术，你可以零延迟地任意改变神经网络的行为。虽然这项技术不是 PyTorch 独有的，但它是迄今为止最快的实现，可以为你任何疯狂想法的实现获得最高的速度和灵活性，这也是 PyTorch 相对于 Tensorflow 的优势。

(3) PyTorch的设计思想是线性、直观、易用的。当你执行一行代码时，它会被忠实地执行，没有异步世界观，所以当你的代码有bug时，你可以利用这些信息很容易地发现 快速找到错误的代码，而不会由于错误的指针或异步和不透明的引擎，在调试时浪费了太多时间。

(4) 与Tensorflow相比，PyTorch的代码更加简洁直观。同时，对于Tensorflow高度工业化和难以理解的底层代码，PyTorch的源码要友好得多，也更容易理解。深入研究 API 并理解 PyTorch 的底层肯定是一件令人愉快的事情。一个能被底层架构理解的框架，会让你对它有更深的理解。

最后，我们简要总结一下PyTorch 的特点：

·

支持GPU；

·

动态神经网络；

·

Python 优先；

·

命令式体验；

·

轻松扩展。

优点这么多，PyTorch也有它的缺点，因为这个框架比较新，所以用的人比较少，所以它的社区没有那么强大，但是PyTorch提供了一个官方论坛，遇到的问题大部分都可以在里面搜索到.里面的答案一般由作者或其他 PyTorch 用户提供。论坛更新也很频繁。同时，你也可以去Github提一个issue，很快就会得到开发者的回应，也算是在一定程度上解决了社区的问题。