 MXNet 作者 / 亚马逊主任科学家 李沐 新智元推荐 作者：MXNet 作者 / 亚马逊主任科学家 李沐 阅读红包到账，点击提现！ 广告 【新智元导读】PyTorch是一个纯命令式的深度学习框架。它因为提供简单易懂的编程接口而广受欢迎，而且正在快速的流行开来。MXNet通过ndarray和 gluon模块提供了非常类似 PyTorch 的编程接口。本文将简单对比如何用这两个框架来实现同样的算法。  PyTorch是一个纯命令式的深度学习框架。它因为提供简单易懂的编程接口而广受欢迎，而且正在快速的流行开来。例如 Caffe2 最近就并入了 PyTorch。 可能大家不是特别知道的是，MXNet 通过 ndarray和 gluon模块提供了非常类似 PyTorch 的编程接口。本文将简单对比如何用这两个框架来实现同样的算法。
安装 PyTorch 默认使用 conda 来进行安装，例如 而 MXNet 更常用的是使用 pip。我们这里使用了 --pre来安装 nightly 版本 多维矩阵 对于多维矩阵，PyTorch 沿用了 Torch 的风格称之为 tensor，MXNet 则追随了 NumPy 的称呼 ndarray。下面我们创建一个两维矩阵，其中每个元素初始化成 1。然后每个元素加 1 后打印。
忽略包名的不一样的话，这里主要的区别是 MXNet 的形状传入参数跟 NumPy 一样需要用括号括起来。 模型训练 下面我们看一个稍微复杂点的例子。这里我们使用一个多层感知机（MLP）来在 MINST 这个数据集上训练一个模型。我们将其分成 4 小块来方便对比。 读取数据 这里我们下载 MNIST 数据集并载入到内存，这样我们之后可以一个一个读取批量。
这里的主要区别是 MXNet 使用 transform_first来表明数据变化是作用在读到的批量的第一个元素，既 MNIST 图片，而不是第二个标号元素。 定义模型 下面我们定义一个只有一个单隐层的 MLP 。
我们使用了 Sequential容器来把层串起来构造神经网络。这里 MXNet 跟 PyTorch 的主要区别是： 大家知道 Sequential下只能神经网络只能逐一执行每个层。PyTorch 可以继承 nn.Module来自定义 forward如何执行。同样，MXNet 可以继承 nn.Block来达到类似的效果。 损失函数和优化算法
这里我们使用交叉熵函数和最简单随机梯度下降并使用固定学习率 0.1 训练 最后我们实现训练算法，并附上了输出结果。注意到每次我们会使用不同的权重和数据读取顺序，所以每次结果可能不一样。
MXNet 跟 PyTorch 的不同主要在下面这几点： |
|
|
来自： LibraryPKU > 《机器学习》
