PyTorch

概述

PyTorch 是由 Meta（原 Facebook）开发的开源深度学习框架，以动态计算图和 Pythonic API 著称，是当前学术界和工业界最主流的深度学习工具之一。

关键内容

1. 核心设计哲学：PyTorch 采用动态计算图（Define-by-Run），每次前向传播即时构建计算图，支持原生 Python 控制流（if/for/while），调试体验极佳。这与 TensorFlow 1.x 的静态图（Define-and-Run）形成鲜明对比。
2. 与 AlexNet 的关系：虽然 AlexNet 原始实现使用 CUDA/C++（2012 年 PyTorch 尚未诞生），但 PyTorch 已成为复现和研究 AlexNet 等经典 CNN 架构的首选框架。torchvision.models.alexnet() 提供了预训练的 AlexNet 模型，可直接用于迁移学习。
3. 生态系统：PyTorch 2.0 引入 torch.compile() 和 TorchDynamo 编译器，性能大幅提升。配套生态包括：TorchVision（计算机视觉）、TorchText（NLP）、TorchAudio（音频）、TorchServe（部署）。
4. 产业采用：Meta 开源 PyTorch 后，迅速成为学术界首选。2023 年后，PyTorch 在论文引用率、GitHub star 数、工业部署中均超越 TensorFlow，成为深度学习事实标准。

来源

• [raw/articles/ai-papers/foundations/paper_03_alexnet.md] — AlexNet 论文精读（PyTorch 复现代码）

相关

• AlexNet — implements
• 深度学习 — framework_for
• 卷积神经网络（CNN） — supports
• GPU训练 — accelerates
• 迁移学习 — enables