公众号后台回复关键字：pytorch，获取项目github地址。css
一， Pytorch🔥 or TensorFlow2 🍎git
先说结论:github
若是是工程师，应该优先选TensorFlow2.web
若是是学生或者研究人员，应该优先选择Pytorch.算法
若是时间足够，最好TensorFlow2和Pytorch都要学习掌握。微信
理由以下：markdown
-
1，在工业界最重要的是模型落地，目前国内的大部分互联网企业只支持TensorFlow模型的在线部署，不支持Pytorch。 而且工业界更加注重的是模型的高可用性，许多时候使用的都是成熟的模型架构，调试需求并不大。网络
-
2，研究人员最重要的是快速迭代发表文章，须要尝试一些较新的模型架构。而Pytorch在易用性上相比TensorFlow2有一些优点，更加方便调试。 而且在2019年以来在学术界占领了大半壁江山，可以找到的相应最新研究成果更多。架构
-
3，TensorFlow2和Pytorch实际上总体风格已经很是类似了，学会了其中一个，学习另一个将比较容易。两种框架都掌握的话，可以参考的开源模型案例更多，而且能够方便地在两种框架之间切换。框架
二，本书📖面向读者 👼
本书假定读者有必定的机器学习和深度学习基础，使用过Keras或TensorFlow或Pytorch搭建训练过简单的模型。
对于没有任何机器学习和深度学习基础的同窗，建议在学习本书时同步参考阅读《Python深度学习》一书的第一部分"深度学习基础"内容。
《Python深度学习》这本书是Keras之父Francois Chollet所著，该书假定读者无任何机器学习知识，以Keras为工具，
使用丰富的范例示范深度学习的最佳实践，该书通俗易懂，全书没有一个数学公式，注重培养读者的深度学习直觉。。
《Python深度学习》一书的第一部分的4个章节内容以下，预计读者能够在20小时以内学完。
-
1，什么是深度学习
-
2，神经网络的数学基础
-
3，神经网络入门
-
4，机器学习基础
三，本书写做风格 🍉
本书是一本对人类用户极其友善的Pytorch入门工具书，Don't let me think是本书的最高追求。
本书主要是在参考Pytorch官方文档和函数doc文档基础上整理写成的。
尽管Pytorch官方文档已经至关简明清晰，但本书在篇章结构和范例选取上作了大量的优化，在用户友好度方面更胜一筹。
本书按照内容难易程度、读者检索习惯和Pytorch自身的层次结构设计内容，按部就班，层次清晰，方便按照功能查找相应范例。
本书在范例设计上尽量简约化和结构化，加强范例易读性和通用性，大部分代码片断在实践中可即取即用。
若是说经过学习Pytorch官方文档掌握Pytorch的难度大概是5，那么经过本书学习掌握Pytorch的难度应该大概是2.
仅如下图对比Pytorch官方文档与本书《20天吃掉那只Pytorch》的差别。
四，本书学习方案 ⏰
1，学习计划
本书是做者利用工做之余大概3个月写成的，大部分读者应该在20天能够彻底学会。
预计天天花费的学习时间在30分钟到2个小时之间。
固然，本书也很是适合做为Pytorch的工具手册在工程落地时做为范例库参考。
2，学习环境
本书所有源码在jupyter中编写测试经过，建议经过git克隆到本地，并在jupyter中交互式运行学习。
为了直接可以在jupyter中打开markdown文件，建议安装jupytext，将markdown转换成ipynb文件。
#克隆本书源码到本地,使用码云镜像仓库国内下载速度更快
!git clone https://gitee.com/Python_Ai_Road/eat_pytorch_in_20_days
#建议在jupyter notebook 上安装jupytext，以便可以将本书各章节markdown文件视做ipynb文件运行
!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U jupytext
#建议在jupyter notebook 上安装最新版本tensorflow 测试本书中的代码
!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U torch torchvision torchtext torchkeras
如下是测试环境的范例
import torch
from torch import nn
print("torch version:", torch.__version__)
a = torch.tensor([[2,1]])
b = torch.tensor([[-1,2]])
c = a@b.t()
print("[[2,1]]@[[-1],[2]] =", c.item())
输出以下
torch version: 1.5.0[[2,1]]@[[-1],[2]] = 0
五，鼓励和联系做者 🎈🎈
若是本书对你有所帮助，想鼓励一下做者，记得给本项目加一颗星星star⭐️，并分享给你的朋友们喔😊!
若是对本书内容理解上有须要进一步和做者交流的地方，能够在公众号后台回复关键字：加群，加入读者交流群和你们讨论。
公众号后台回复关键字：pytorch，获取项目github地址。
本文分享自微信公众号 - Python与算法之美（Python_Ai_Road）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。