【问题标题】：pytorch versus autograd.numpypytorch 与 autograd.numpy
【发布时间】：2020-10-05 19:45:08
【问题描述】：
pytorch 和 numpy 的最大区别是什么，尤其是 autograd.numpy 包？ （因为它们都可以为您自动计算梯度。）
我知道 pytorch 可以将张量移动到 GPU，但这是选择 pytorch 而不是 numpy 的唯一原因吗？
虽然 pytorch 以深度学习而闻名，但显然它几乎可以用于任何机器学习算法，它的 nn.Module 结构非常灵活，我们不必局限于神经网络。 （虽然我从未见过任何用 numpy 编写的神经网络模型）
所以我想知道pytorch和numpy的最大区别是什么。
【问题讨论】：
标签：
numpy
pytorch
autograd
【解决方案1】：
我不确定这个问题是否可以客观回答，但除了 GPU 功能之外，它还提供
- GPU 之间的并行化
- 跨机器并行化
- DataLoaders / Manipulators incl.异步预取
- 优化器
- 预定义/预训练模型（可为您节省大量时间）
- ...
但正如您所说，它是围绕深度/机器学习构建的，因此它的优点在于 numpy（与 scipy 一起）更通用，可用于解决大量其他工程问题（可能使用目前不流行的方法）。