pytorch cpu和gpu版本可以共存么？也可以的，gpu版本假如沒有g(shù)pu顯卡的話，會不自動轉(zhuǎn)為cpu版本，但是cpu版本是是可以轉(zhuǎn)化為gpu版本。pytorch哪里開發(fā)的？研發(fā)機(jī)構(gòu)：Faceb

pytorch cpu和gpu版本可以共存么？

也可以的，gpu版本假如沒有g(shù)pu顯卡的話，會不自動轉(zhuǎn)為cpu版本，但是cpu版本是是可以轉(zhuǎn)化為gpu版本。

pytorch哪里開發(fā)的？

研發(fā)機(jī)構(gòu)：Facebook人工智能研究院

Pytorch是torch的python版本，是由Facebook開源的神經(jīng)網(wǎng)絡(luò)框架，專門針對GPU速度的深度神經(jīng)網(wǎng)絡(luò)（DNN）編程。Torch是一個比較經(jīng)典的對不同維度矩陣數(shù)據(jù)通過不能操作的張量（tensor）庫，在機(jī)器學(xué)習(xí)和其他數(shù)學(xué)密集型應(yīng)用有廣泛應(yīng)用。與Tensorflow的靜態(tài)計算圖差別，pytorch的計算圖是閃圖的，這個可以參照計算出要實(shí)時動態(tài)改變算出圖。但因此Torch語言按結(jié)構(gòu)Lua，造成在國內(nèi)總是很小眾，并逐漸地被支持Python的Tensorflow奪走用戶。另外超經(jīng)典機(jī)器學(xué)習(xí)庫Torch的端口，PyTorch為Python語言使用者能提供了比較舒適的寫代碼選擇。

究竟深度學(xué)習(xí)在干什么？

今天我談一些當(dāng)經(jīng)過個人實(shí)踐的一些也可以落地后視角和方法。

深度學(xué)習(xí)是在設(shè)計知識的聯(lián)系，這種先聯(lián)系就無法形成結(jié)構(gòu)。用啊,設(shè)計的方法來讀書好正所謂啊,設(shè)計反正是指一個過程，當(dāng)中根據(jù)不同情況一定會的思維及思維方法，而深度學(xué)習(xí)就是要建議使用一系列的思維及思維方法來怎么設(shè)計學(xué)到的知識，把學(xué)到的知識跟已有的知識先聯(lián)系起來，而這種交流都會擊碎重新組合知識的結(jié)構(gòu)，恢復(fù)形象的塑造出兩個新的知識結(jié)構(gòu)。

在這個設(shè)計過程要建議使用的一些思維及思維方法系統(tǒng)思維

減法思維

還原法思維

假設(shè)不成立性思維

創(chuàng)新的思維【水平思維】

正常情況我們讀書呢是學(xué)到書中的知識抱著這個視角會有比較大的問題，而且一個人的學(xué)習(xí)，不但是學(xué)習(xí)書中的知識，而且要重構(gòu)知識，每個人都有現(xiàn)有的知識存量，要把新學(xué)到的知識通過怎么設(shè)計嵌入到已有的知識系統(tǒng)。

一個完全沒有的方法設(shè)計三個簡單點(diǎn)形式來文字表述知識，形式那是指結(jié)構(gòu)的外形可、可視化、形象化，并同樣無法形成一種樣式與秩序。而這個設(shè)計也要都用到一些思維的方法【系統(tǒng)思維、減法思維、還原法思維、等等】。知識要當(dāng)經(jīng)過自己的設(shè)計轉(zhuǎn)一手，導(dǎo)進(jìn)到并無的知識體系。

深度學(xué)習(xí)深度學(xué)習(xí)，那是在你念書的過程中，不僅是獲取知識，并且還要生成知識，而這個能生成的知識，是透過窗戶設(shè)計。

知識要變的能帶的思維讀書聲望兌換的知識，跟大腦里能得用思維還有一個很遠(yuǎn)的距離，因?yàn)榇竽X得用思維要簡單，而知識卻是復(fù)雜的，知識要啊,設(shè)計成簡單的形式就能變的大腦里可用的思維。某些時候，讀了很多書發(fā)現(xiàn)也真沒什么用，那是知識跟思維之間的斷層會造成的，這個斷層，恰好是需要設(shè)計的地方。通過設(shè)計什么打通知識與思維的通道。知識要可以做到簡，反過來大腦通過這個【簡】就這個可以駕駐知識。

結(jié)論：深度學(xué)習(xí)不過是一個對知識然后再怎么設(shè)計的過程。非設(shè)計不足以把知識變成大腦里的思維。非設(shè)計絕對無法把新學(xué)來的知識嵌入并無的知識體系。深度學(xué)習(xí)干的是那就是一個設(shè)計什么的活，每個人都要全都懂一些設(shè)計思維，這樣的有助自己更高效穩(wěn)定、更有深度的去學(xué)習(xí)。