PyTorch

一、官方网址

PyTorch 官方仓库：https://github.com/pytorch/pytorch

由 Meta AI 主导开发，采用动态计算图设计，调试直观灵活，已成为顶级会议论文使用最多的框架。

二、核心功能

1. 动态计算图
   即写即执行的动态图机制，可用 Python 原生调试工具逐行排查模型问题。
2. TorchScript 部署
   支持将动态图模型序列化为静态图，便于跨平台高性能部署。
3. 分布式训练
   内置 DDP 分布式数据并行，多卡训练代码改动极小，扩展性强。
4. 丰富子库生态
   配套 torchvision、torchaudio、torchtext 等领域库，覆盖视觉、语音、文本任务。
5. ONNX 互操作
   可导出 ONNX 格式与 TensorRT、OpenVINO 等推理引擎无缝对接。

三、适用场景

1. AI 学术研究
   灵活的动态图让新算法快速验证，顶会论文复现大多首选 PyTorch。
2. 计算机视觉
   配合 torchvision 快速搭建图像分类、目标检测、分割等模型。
3. 大模型微调
   Hugging Face 生态以 PyTorch 为一等公民，微调 LLM 体验最佳。

四、使用优势

1. 代码直观易懂
   API 设计贴近 Python 习惯，学习成本低，代码可读性强。
2. 调试体验优秀
   支持 pdb 等标准调试器直接断点调试张量计算过程。
3. 社区活跃度第一
   GitHub Star 数与论文采用率领先，新模型几乎都有 PyTorch 实现。

五、注意事项

1. 开源协议
   采用 BSD 协议，商用友好。
2. 版本兼容
   CUDA 版本需与安装包匹配，建议使用官方安装命令生成器选择版本。
3. 显存管理
   大模型训练需注意显存碎片问题，可启用梯度检查点等技术缓解。