本文目录
- PyTorch和Gluon有什么区别
- 面对Tensorflow，为何我选择PyTorch
- 想学习pytorch，需要先学习python吗
- 深度学习是什么意思
- JAVA和PYTHON哪个更难不是计算机专业的学生适合学哪个
- pytorch的多机多卡分布式训练，精度比单机低，会是什么原因造成的
PyTorch和Gluon有什么区别
pytorch是一个和tensorflow一样的深度学习框架，没有高度封装，适用于科研和工业部署的框架，由facebook出品，随着pytorch新版本的更新，c++的扩展，也许能够与tensorflow争一下地位，对于工业界也逐渐友好，工业部署算法也有些可能。tensorflow是静态图，而pytorch是动态图。
Gluon是亚马逊大神LI MU带领下做的一个前端工具，是一个高度封装的接口。 很多最新论文的算法，都有复现，你只需要去调用相应的function就可以使用相应算法，可以很简单，快捷的使用算法，看算法的展示效果。另外GluonCV是衍生出来的另一来源项目，主要针对于视觉方面，比如人脸识别，车辆检测，物体分类等等。 高度封装，对于非行业的人事非常友好，真正做到，几行代码就可以运行算法。
总体感觉Gluon之于MXNET,有些像keras之于tensorflow.
对Gluon有兴趣的，可以移步到:https://discuss.gluon.ai/t/topic/7429
面对Tensorflow，为何我选择PyTorch
先来说说pytorch劣势。自从其被发布以来pytorch更多被用于学术界而不是工业界的实际生产，主要是因为它不够成熟、很多接口不太稳定，加上其全面性也不够，tensorflow目前仍然有很多pytorch不支持的功能，比如快速傅里叶变换，但这一点劣势会随着pytorch的发展而逐渐减小。除此此外，相比于tensorflow的容易各处部署的静态图（这一点远胜于很多框架），以python优先的深度学习框架 pytorch在部署到其他产品会很不方便。
优势先从上手时间开始说，虽然在2015年发布之后tensorflow多方受宠，但是和theano一样，tensorflow使用的是静态计算图，对于新手来说有过多需要新学习的概念，这导致了不管是入门还是搭建，使用tensorflow都比pytorch困难。而在2017年pytorch被团队开源的主要原因之一也是让建立深度学习模型更加简单，这让它发展十分迅猛。在数据加载上，pytorch加载数据的API简单高效，其面向对象的API源自于porch（也是keras的设计起源），比tensorflow难学的API友好很多，使用户可以将重点放在实现自己的想法，而不是被框架本身束缚住。
速度上，pytorch并没有为了灵活性而放弃速度，虽然运行速度和程序员水平密切相关，但pytorch在相同情况下常有可能胜于其他框架的速度。另外，如果追求自定义拓展，pytorch也会是首选，因为虽然二者的构建和绑定有一定的相似点，但是tensorflow在拓展时会需要很多样板代码，但pytorch只用编写接口和实现。
想学习pytorch，需要先学习python吗
pytorch是目前非常流行的深度学习框架，想学习它，最好先学一些python的编程基础，因为很多使用了pytorch的代码都是用python开发的，先学点python打好基础之后，更有助于您理解和学习pytorch，就比如要建房子先要打好地基，是一个道理。
网上关于python的免费教程很多，在我的今日条头文章里面就写过一篇关习python学习教程的文章，了解了python的一些基本语法，可以编写和运行一些简单的python程序之后就可以开始学pytorch了，它的官网有个学习教程可参考：http：//pytorch.org/tutorials/
深度学习是什么意思
深度学习是近几年来随着信息社会发展、学习科学发展及课程改革向纵身推进而出现的一种新的学习样态和形式。
关于深度学习的概念解释，目前有多种答案，不少专家学者都作出了本质含义一致到表述略有不同的解释。
黎加厚教授认为，深度学习是在理解的基础上，学习者能够批判地学习新思想和事实，并将它融入原有的认知结构中，能够在众多思想间进行联系，并能够将已有知识迁移到新的情境中，做出决策和解决问题的学习。
郭华教授认为，深度学习是在教师的引领下，学生围绕具有挑战性的学习主题，全身心地积极参与、体验成功、获得发展的有意义的学习过程，并具有批判理解、有机整合、建构反思与迁移应用的特征。
深度学习具有几个特质。一是触及人的心灵深处的学习。二是体验式学习。三是深刻理解与实践创新的学习。
深度学习是培养学生学科素养、创新能力，提高学生学习质量效果、促进教学改革的新的学习型态，也是目前教学改革所追求的目标与境界之一。
JAVA和PYTHON哪个更难不是计算机专业的学生适合学哪个
谢谢邀请！
从编程语言自身的复杂度上来说，Java要比Python更复杂一些，但是Python也可以写出非常复杂的程序。
Java语言是纯粹的面向对象编程语言，有严格的语法要求，同时Java是典型的静态语言，也就是说Java不允许未经定义的赋值。正因为如此，Java代码具有较多的模式性（仪式性）的内容，包括一些复杂的定义过程等。另外，Java对抽象的要求比较高，学习Java实际上就是在学习Java如何完成抽象。
Python编程语言是脚本式语言与面向对象语言的结合体，Python既具备脚本式语言的简洁性，同时又具备面向对象语言的灵活性，所以Python得到了广大程序员的欢迎，比如那句流传广泛的“人生苦短，我用Python”就是一个比较形象的比喻。
对于非计算机专业的学生来说，由于Python语言简单易学，同时Python的开发环境也比较容易搭建，所以学习Python是一个不错的选择。
Python有多个应用领域，比如在Web开发、大数据开发、大数据分析、机器学习、自然语言处理等领域都有广泛的应用，不同的领域需要掌握不同的知识结构，所以在学习Python之前最好先定一个学习方向。
虽然不同方向需要学习的内容有所区别，比如大数据开发要学习hadoop、Spark等内容，机器学习需要掌握Numpy、Scipy、Matplotlib等内容，但是基础部分的内容是统一的，比如列表、元组、字符串、函数、OO编程、异常处理、数据库开发、网络基础开发等内容（我在头条上写了关于学习Python的系列文章，想学习的同学可以看一下）。
最后，学习Python需要做大量的实验。
作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软件体系结构、大数据、人工智能相关领域，有多年的一线研发经验。
欢迎关注作者，欢迎咨询计算机相关问题。
pytorch的多机多卡分布式训练，精度比单机低，会是什么原因造成的
取决于你是否使用DistributedDataParallel或DistributedSampler，如果每个进程上都是随机sample的数据batch, 然后通过Ring-allreduce的通信方式平均并广播梯度，那么训练结果，收敛精度与单机有所出入是很正常的，但应该不会差太远。另外与随机数的设置也有一定关系。
