首先，不同的公司提供支持。Python來自Facebook，glion來自Amazon。
那么，類型定位就不同了。如果詳細(xì)劃分，Python是一個(gè)靈活的后端深度學(xué)習(xí)平臺(tái)，tensorflow和mxnet被視為一種類型，glion是一個(gè)高度集成的前端平臺(tái)，keras是一種類型。也就是說，glion的一個(gè)函數(shù)或?qū)ο蠹闪薽xnet的多個(gè)功能，glion的一個(gè)命令就可以完成mxnet的開發(fā)，就像keras使用tensorflow作為后端一樣，keras高度集成了這些后端平臺(tái)的功能。
其次，編程方法，Python是基于命令編程的，簡(jiǎn)單但速度有限，glion結(jié)合了符號(hào)編程和命令編程，既快又簡(jiǎn)單。
最后，靈活性。Python的集成度沒有g(shù)lion那么高，所以它是高度可定制的。膠子的集成度太高，靈活性有限。
運(yùn)行pytorch需要什么配置的電腦？運(yùn)行Python只需要很少的環(huán)境。您只需要安裝一個(gè)Python解釋器。
所以
1。處理器i5i7正常。代數(shù)越高越好。
python在人工智能領(lǐng)域，主要是完成什么任務(wù)？3。顯卡有不同的看法。最好是玩游戲和深入學(xué)習(xí)。日常辦公要求不多。
面對(duì)Tensorflow，為何我選擇PyTorch？謝謝
！1.人工智能，簡(jiǎn)稱AI。作為計(jì)算機(jī)科學(xué)的一個(gè)分支，它試圖理解智能的本質(zhì)，并產(chǎn)生一種新的智能機(jī)器，這種機(jī)器能夠以類似于人類智能的方式做出反應(yīng)。該領(lǐng)域的研究?jī)?nèi)容包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)。隨著人工智能理論和技術(shù)的日益成熟，其應(yīng)用領(lǐng)域也在不斷擴(kuò)大。人工智能的科技產(chǎn)品已經(jīng)取代了人類的勞動(dòng)，并有可能在未來超越人類的智能。
2.Python是一種編程語言。在人工智能領(lǐng)域，它比其他編程語言有更多的優(yōu)勢(shì)。在當(dāng)今人工智能時(shí)代，如果你想學(xué)習(xí)軟件開發(fā)，python編程語言是一個(gè)不錯(cuò)的選擇。
spanstyle="text-decoration:underline">先來說說pytorch劣勢(shì)。自從其被發(fā)布以來pytorch更多被用于學(xué)術(shù)界而不是工業(yè)界的實(shí)際生產(chǎn)，主要是因?yàn)樗粔虺墒臁⒑芏嘟涌诓惶€(wěn)定，加上其全面性也不夠，tensorflow目前仍然有很多pytorch不支持的功能，比如快速傅里葉變換，但這一點(diǎn)劣勢(shì)會(huì)隨著pytorch的發(fā)展而逐漸減小。除此此外，相比于tensorflow的容易各處部署的靜態(tài)圖（這一點(diǎn)遠(yuǎn)勝于很多框架），以python優(yōu)先的深度學(xué)習(xí)框架pytorch在部署到其他產(chǎn)品會(huì)很不方便。優(yōu)勢(shì)先從上手時(shí)間開始說，雖然在2015年發(fā)布之后tensorflow多方受寵，但是和theano一樣，tensorflow使用的是靜態(tài)計(jì)算圖，對(duì)于新手來說有過多需要新學(xué)習(xí)的概念，這導(dǎo)致了不管是入門還是搭建，使用tensorflow都比pytorch困難。而在2017年pytorch被團(tuán)隊(duì)開源的主要原因之一也是讓建立深度學(xué)習(xí)模型更加簡(jiǎn)單，這讓它發(fā)展十分迅猛。在數(shù)據(jù)加載上，pytorch加載數(shù)據(jù)的API簡(jiǎn)單高效，其面向?qū)ο蟮腁PI源自于porch（也是keras的設(shè)計(jì)起源），比tensorflow難學(xué)的API友好很多，使用戶可以將重點(diǎn)放在實(shí)現(xiàn)自己的想法，而不是被框架本身束縛住。
速度上，pytorch并沒有為了靈活性而放棄速度，雖然運(yùn)行速度和程序員水平密切相關(guān)，但pytorch在相同情況下常有可能勝于其他框架的速度。另外，如果追求自定義拓展，pytorch也會(huì)是選，因?yàn)殡m然二者的構(gòu)建和綁定有一定的相似點(diǎn)，但是tensorflow在拓展時(shí)會(huì)需要很多樣板代碼，但pytorch只用編寫接口和實(shí)現(xiàn)。
讓我們從Python的缺點(diǎn)開始。python自發(fā)布以來，在學(xué)術(shù)界實(shí)際生產(chǎn)中的應(yīng)用比工業(yè)界多，主要原因是它不夠成熟，很多接口不穩(wěn)定，綜合性不夠。Tensorflow仍有許多Python不支持的功能，如快速傅立葉變換，但隨著Python的發(fā)展，這一缺點(diǎn)將逐漸減少。另外，與tensorflow的靜態(tài)圖相比，tensorflow的靜態(tài)圖很容易部署到任何地方（這比許多框架都要好得多），Python的深度學(xué)習(xí)框架比Python更先進(jìn)，部署到其他產(chǎn)品上會(huì)非常不方便。
優(yōu)勢(shì)從一開始就有。盡管tensorflow自2015年發(fā)布以來受到了許多方面的青睞，比如theano，但tensorflow使用的是靜態(tài)計(jì)算圖。對(duì)于新手來說，有太多的新概念需要學(xué)習(xí)。因此，無論如何開始或構(gòu)建，使用tensorflow都比python更困難。2017年，Python被團(tuán)隊(duì)開放源碼的一個(gè)主要原因是更容易構(gòu)建深度學(xué)習(xí)模型，這使得Python發(fā)展非常迅速。在數(shù)據(jù)加載方面，Python用于加載數(shù)據(jù)的API簡(jiǎn)單高效。它的面向?qū)ο驛PI來自于porch（這也是keras的設(shè)計(jì)起源），它比tensorflow的困難API友好得多。用戶可以專注于實(shí)現(xiàn)自己的想法，而不是被框架本身所束縛。
在速度方面，python不會(huì)為了靈活性而放棄速度。雖然運(yùn)行速度與程序員的水平密切相關(guān)，但在相同的情況下，它可能比其他框架更好。另外，如果追求自定義擴(kuò)展，python也會(huì)是選，因?yàn)殡m然兩者的構(gòu)造和綁定有一些相似之處，但tensorflow在擴(kuò)展中需要大量的模板代碼，而只有接口和實(shí)現(xiàn)是python編寫的。
重慶分公司
重慶分公司
