廢話很多的前言

一年多前的我跟人工智慧相關的應用一點都搭不上邊,經歷了轉學到了一個資訊相關的系,加上課堂上老師極力鼓勵同學們參加iT鐵人賽(???,我想竟然都參加了不如好好的利用30天的時間把PyTorch學好,從前面那些話可以知道本人是學生,對於人工智慧相關的應用與理論並不是十分的了解,因此這次的鐵人賽我打算以理論搭配小小的實作來完成【30天之新手學習筆記】PyTorch系列,要是文章中有什麼寫不好的地方,再請各位先進給予指教,但拜託請手下留情~

淺談 PyTorch

雖然之前的課程有使用Google Colab來做人工智慧的相關實作,但由於課程上時間的限制,並沒有太多的時間進行太多的模型實作,因此概念和模型的應用上並不是學得非常的扎實,因此這次可說是要從零開始要好好打基礎,不過很幸運的是谷歌大神能幫助我找尋相關的參考資料,搭配書籍的輔助,很方便的就能將相關的知識補齊.

下面先來大概介紹一下PyTorch的真面目
1.PyTorch官方網站(https://pytorch.org/)
2.維基百科(https://zh.wikipedia.org/zh-tw/PyTorch)

對於維基百科上提及的PyTorch,在下方稍微做了整理:

• PyTorch屬於開源的Python機器學習庫,基於Torch,底層由C++實現
• 最初由Meta Platforms(原Facebook)的人工智慧研究團隊開發,現屬Linux基金會
• 目前穩定版本為 1.12.1 版(2022/8/5釋出)
• 開發語言是 Python, C++, CUDA
• 看到Logo有Py字樣,就知道它與Python有密切的關係
  

大致提完PyTorch的來龍去脈後,下面稍微提及PyTorch的兩大特徵:

• 類似於NumPy的張量計算，可使用GPU加速
• 基於帶自動微分系統的深度神經網路

TensorFlow/Keras v.s PyTorch

1. TensorFlow/Keras提供fit能簡單進行模型訓練,但不易debug
   PyTorch雖須自行撰寫優化求解的程序,較為複雜,但能在訓練過程中debug
2. PyTorch對GPU記憶體的管理較TensorFlow/Keras佳
3. TensorFlow/Keras自行偵測GPU,有GPU則預設為GPU運算,反之則由CPU運算
   PyTorch可自行決定變數及模型要在CPU或GPU運算

以上為第一天的筆記,如有不正確之處在請各位先進指教.

參考資料

• https://pytorch.org/
• https://zh.wikipedia.org/zh-tw/PyTorch
• https://vocus.cc/article/62986ed2fd89780001b46f48