『壹』 Keras，Theano，pytorch，caffe2 哪个更好一些，应该怎么尝试学习
最近刚开始使用theano, 经验不多，连个基本的模型都跑不通，于是去看了下Keras，源码比较简洁，可以当作theano的示例教程来看，感受如下：
文档看似很全，每个layer是干啥的，每个参数是啥都写了，但是不去读代码，实际很多人是无法从文档理解其具体用法的。这点看issue里的讨论里可以看出。同样，example似乎很多，而且都能直接run，还都是real world的数据集，看似很好，但是实际上，对于新手，如果需要的模型跟example里的不完全一样，不容易搞懂到底需要把输入输出的数据搞成啥格式。举个例子，example都是做的classification的，没有做sequence labeling的例子，如果想拿来做个pos tagging，不知道数据如何组织。当然，这些其实花一天读下代码或者好好翻翻issue讨论就可以解决了，但我相信不少人不会去认真读代码或者看讨论，而是直接换个工具。我感觉目前的doc只有懂了代码的人才能看懂，不懂得看文档还是没啥用。
2.项目很简单所以开发者不多，但是很活跃，每天都有新东西加进去。今天增加了一个新的分支后端可以用theano或者tensorflow了，不过貌似由于不支持scan，backend用tensorflow的没实现recurrent layer。他们也意识到文档的问题，觉得需要为小白用户多加点tutorial而不是光给develop看。
我没用过其他的framework，仅说keras</ol>拿来学习theano基本用法，很不错
库本身的代码，比较简单易读，我作为python菜鸟，也能看懂。目前model有sequential和grapgh两种，前者并不是指recurrent而是说网络是一层层堆的（也包括recurrent）.其他的主要概念包括layer，regularizer, optimizer,objective都分离开。layer用于build每层的输出函数，model会用最后一层的输出，根据objective和每个layer的regularizer来确定最终的cost，然后在update时用optimizer来更新参数。把这四个看下加上model里的fit函数，就会用theano啦。很多模型都能cover，seq2seq这种也有现成的可用。建议不要光看example，多看看github上的 issues讨论，实在找不到，直接提问。效率方面，我不懂theano怎么优化，感觉keras的这种封装，没什么成本，跟自己用原生theano是一样的。当然，theano本身就好慢啊。。估计是我不懂用吧。。
『贰』 PyTorch到底好用在哪里
PyTorch是个开源的Python机器学习库，在2017年由Facebook人工智能研究院（FAIR）推出面世。很多从业者都很推崇这款工具，下面小编给大家整理了一些关于PyTorch的一些基本知识，给各位网友做个参考。
正是因为这款工具如此的好用，所以为了提升效率，很多程序员都将它添加进自己的学习计划当中。主要原因有四点：第一、多学一个框架，有备无患；第二、同类型功能的框架中PyTorch是最优秀的；第三、容易查找bug，后期查错非常方便；第四、更加简单直接，可以看懂底层的框架，对程序员的提升肉眼可见。
以上就是小编整理出来的PyTorch的相关知识。广大网友们，你们觉得如何？欢迎评论区留言交流。
『叁』 为什么已经训练好的分类器在测试阶段pytorch中dataloader的batchsize和shuffle=T/F会影响分类器的准确率
shuffle的时候是不是只把特征洗牌了而没有洗y，或者x和y洗的逻辑不一样所以导致y错位了？
『肆』 pytorch动态计算图有什么好处
pytorch动态计算图有什么好处
1.数据计算
Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是你有合适的 GPU), 就像 Numpy 会把 array 放在 CPU 中加速运算。Torch和Numpy之间可以进行自由的切换：
import torch import numpy as np np_data = np.arange(6).reshape((2, 3)) torch_data = torch.from_numpy(np_data) tensor2array = torch_data.numpy() print( '\nnumpy array:', np_data, # [[0 1 2], [3 4 5]] '\ntorch tensor:', torch_data, # 0 1 2 \n 3 4 5 [torch.LongTensor of size 2x3] '\ntensor to array:', tensor2array, # [[0 1 2], [3 4 5]] )1234567891011
Pytorch中的数学计算：
Pytorch中很多的数学计算与numpy中的数学计算函数是相同的
# abs 绝对值计算 data = [-1, -2, 1, 2] tensor = torch.FloatTensor(data) # 转换成32位浮点 tensor print( '\nabs', '\nnumpy: ', np.abs(data), # [1 2 1 2] '\ntorch: ', torch.abs(tensor) # [1 2 1 2] ) # sin 三角函数
2.Variable 变量
Pytorch的Variable相当于一个Wraper，如果你想将数据传送到Pytorch构建的图中，就需要先将数据用Variable进行包装，包装后的Variable有三个attribute：data，creater，grad
『伍』 为什么 PyTorch 这么火
pytorch动态计算图有什么好处
数据计算160;
Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是你有合适的 GPU), 就像 Numpy 会把 array 放在 CPU 中加速运算。Torch和Numpy之间可以进行自由的切换：
import torch import numpy as np np_data = np.arange(6).reshape((2, 3)) torch_data = torch.from_numpy(np_data) tensor2array = torch_data.numpy() print( ;;nnumpy array:;, np_data, [[0 1 2], [3 4 5]] ;;ntorch tensor:;, torch_data, 0 1 2 ;n 3 4 5 [torch.LongTensor of size 2x3] ;;ntensor to array:;, tensor2array, [[0 1 2], [3 4 5]] )
Pytorch中的数学计算：160;
Pytorch中很多的数学计算与numpy中的数学计算函数是相同的
abs 绝对值计算 data = [-1, -2, 1, 2] tensor = torch.FloatTensor(data) 转换成32位浮点 tensor print( ;;nabs;, ;;nnumpy: ;, np.abs(data), [1 2 1 2] ;;ntorch: ;, torch.abs(tensor) [1 2 1 2] ) sin 三角函数
2.Variable 变量160;
Pytorch的Variable相当于一个Wraper，如果你想将数据传送到Pytorch构建的图中，就需要先将数据用Variable进行包装，包装后的Variable有三个attribute：data，creater，grad
『陆』 pytorch是什么
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。
2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：
1、具有强大的GPU加速的张量计算（如NumPy）；
2、包含自动求导系统的深度神经网络。
优点
1、PyTorch是相当简洁且高效快速的框架；
2、设计追求最少的封装；
3、设计符合人类思维，它让用户尽可能地专注于实现自己的想法；
4、与google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新；
5、PyTorch作者亲自维护的论坛供用户交流和求教问题；
6、入门简单。
(6)pytorch股票分析扩展阅读：
模块
1、Autograd模块
PyTorch使用一种称为自动微分的方法。记录器记录已执行的操作，然后向后重播以计算梯度。当构建神经网络以通过计算前向传递参数的微分来节省一个时间时，此方法特别强大。
2、Optim模块
torch.optim是实现用于构建神经网络的各种优化算法的模块。大多数常用方法已受支持，因此无需从头开始构建它们。
3、nn模块
PyTorch autograd使定义计算图和获取梯度变得容易，但是原始的autograd对于定义复杂的神经网络而言可能太低了。这是nn模块可以提供帮助的地方。
『柒』 求教关于pytorch模型的问题
用"对线性回归做梯度下降计算"来寻找最优的线性方程,从而预测房价.
1预测房价的线性方程,其中theta(i)表示的是第i个特征x(i)的权重,h(x)是根据特征和相应的权重所预测的房价.
『捌』 PyTorch和TensorFlow到底哪个更好
most of these countries will have