我们的队伍一直在使用和欣赏PyTorch机器学习框架,有几个团队更喜欢PyTorchTensorFlow.PyTorch公开了TensorFlow隐藏的ML内部工作,使其更容易调试,并包含程序员熟悉的结构,如循环和动作。最近的版本提高了PyTorch的性能,我们已经在生产项目中成功地使用了它。
PyTorch是对火炬从Lua到Python的机器学习框架。虽然相对于Tensorflow,程序员发现PyTorch更容易使用。由于其面向对象和本机Python实现,模型可以更清楚、更简洁地表达,并在执行过程中进行调试。尽管最近出现了许多这样的框架,但PyTorch得到了Facebook和包括NVIDIA在内的广泛合作组织的支持,这将确保CUDA架构的持续支持。188bet宝金博app下载ThoughtWorks团队发现PyTorch在实验和开发模型方面很有用,但在生产规模的训练和分类方面仍然依赖于TensorFlow的性能。
PyTorch是对火炬从Lua到Python的机器学习框架。虽然相对于Tensorflow,程序员发现PyTorch更容易使用。由于其面向对象和本机Python实现,模型可以更清楚、更简洁地表达,并在执行过程中进行调试。尽管最近出现了许多这样的框架,但PyTorch得到了Facebook和包括NVIDIA在内的广泛合作组织的支持,这将确保CUDA架构的持续支持。188bet宝金博app下载Thoughtworks团队发现PyTorch在实验和开发模型方面很有用,但在生产规模的训练和分类方面仍然依赖于TensorFlow的性能。