好资源导航 » 文章资讯 » PyTorch学习:动态图和静态图的例子

PyTorch学习:动态图和静态图的例子

2023-08-03 11:21:04 62

动态图和静态图

目前神经网络框架分为静态图框架和动态图框架，PyTorch和TensorFlow、Caffe等框架最大的区别就是他们拥有不同的计算图表现形式。TensorFlow使用静态图，这意味着我们先定义计算图，然后不断使用它，而在PyTorch中，每次都会重新构建一个新的计算图。通过这次课程，我们会了解静态图和动态图之间的优缺点。

对于使用者来说，两种形式的计算图有着非常大的区别，同时静态图和动态图都有他们各自的优点，比如动态图比较方便debug，使用者能够用任何他们喜欢的方式进行debug，同时非常直观，而静态图是通过先定义后运行的方式，之后再次运行的时候就不再需要重新构建计算图，所以速度会比动态图更快。

#tensorflow
importtensorflowastf
first_counter=tf.constant(0)
second_counter=tf.constant(10)
#tensorflow
importtensorflowastf
first_counter=tf.constant(0)
second_counter=tf.constant(10)
defcond(first_counter,second_counter,*args):
returnfirst_counter
可以看到TensorFlow需要将整个图构建成静态的，换句话说，每次运行的时候图都是一样的，是不能够改变的，所以不能直接使用Python的while循环语句，需要使用辅助函数tf.while_loop写成TensorFlow内部的形式
#pytorch
importtorch
first_counter=torch.Tensor([0])
second_counter=torch.Tensor([10])

while(first_counter
可以看到PyTorch的写法跟Python的写法是完全一致的，没有任何额外的学习成本
以上这篇PyTorch学习:动态图和静态图的例子就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

返回顶部
514930285
czq8825@qq.com

PyTorch学习:动态图和静态图的例子

热门推荐

随机推荐