PyTorch学习（1）—Torch与Numpy对比_pytorch 最大优势是建立的神经网络是动态的

PyTorch相比TensorFlow，其最大的优点是建立的神经网络是动态的，相比静态的TensorFlow，它能更加有效地去处理一些问题，比如RNN变化时间长度的输出，TensorFlow相比PyTorch的有点在于分布式训练上。

在神经网络中Torch可以替换Numpy。

首先，Tensor和Numpy之间的转换，示例代码如下所示：

import torch
import numpy as np
 
np_data = np.arange(6).reshape((2, 3))
torch_data = torch.from_numpy(np_data)
tensor2array = torch_data.numpy()
print(
    '\nnumpy', np_data,
    '\ntorch', torch_data,
    '\ntensor2array', tensor2array
)

运行结果：
numpy [[0 1 2]
 [3 4 5]] 
torch 
 0  1  2
 3  4  5
[torch.IntTensor of size 2x3]
 
tensor2array [[0 1 2]
 [3 4 5]]

Tensor的运算，示例代码：

import torch
import numpy