本文目录
python能干什么
python主要可以做Web和Internet开发、科学计算和统计、桌面界面开发、软件开发、后端开发等领域的工作。
Python是一种解释型脚本语言。Python可以应用于众多领域，如：数据分析、组件集成、网络服务、图像处理、数值计算和科学计算等众多领域。互联网公司广泛使用Python来做的事一般有：自动化运维、自动化测试、大数据分析、爬虫、Web等。
扩展资料：
Python的设计哲学是“优雅”、“明确”、“简单”。因此，Perl语言中“总是有多种方法来做同一件事”的理念在Python开发者中通常是难以忍受的。
Python开发者的哲学是“用一种方法，最好是只有一种方法来做一件事”。在设计Python语言时，如果面临多种选择，Python开发者一般会拒绝花俏的语法，而选择明确的没有或者很少有歧义的语法。
由于这种设计观念的差异，Python源代码通常被认为比Perl具备更好的可读性，并且能够支撑大规模的软件开发。这些准则被称为Python格言。在Python解释器内运行importthis可以获得完整的列表。
pytorch和tensorflow是什么关系
pytorch是一个动态的框架，而TensorFlow是一个静态的框架，而这两款软件到北鲲云超算上都可以找到，直接申请使用线上跑作业比本地跑作业要方便许多，不需要担心配置不够的问题，当计算模型比较大时，就需要用到更高的配置，用超算的弹性配置来跑就能够满足。
pytorch是anaconda自带的吗
pytorch不是anaconda自带的。anaconda自带sklearn用于机器学习，但是没有自带pytorch用于深度学习，所以需要自己操作一下，安装pytorch。首先，假定我们已经安装好了anaconda，那么我们就能使用conda来安装pytorch。
Anaconda的使用
Anaconda（官方网站）就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。Anaconda安装成功后，python也默认安装完成。
Anaconda启动成功后，默认的环境为base环境，对于初学者来说不太好理解。base环境就好像我们操作系统的C盘的“桌面”一样，计算机中文件不能都放在桌面上，要在除C盘以外的分驱上建立文件夹来管理计算机中的文件。
pytorch和python的区别是什么
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。
PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：
NumPy 的替代品，可以利用 GPU 的性能进行计算。
深度学习研究平台拥有足够的灵活性和速度
要介绍PyTorch之前，不得不说一下Torch。Torch是一个有大量机器学习算法支持的科学计算框架，是一个与Numpy类似的张量（Tensor） 操作库，其特点是特别灵活，但因其采用了小众的编程语言是Lua，所以流行度不高，这也就有了PyTorch的出现。所以其实Torch是 PyTorch的前身，它们的底层语言相同，只是使用了不同的上层包装语言。
python就是一门编程语言
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。
扩展资料：
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。
参考资料：百度百科-PyTorch
