pytorch 是torch7 团队开发的，从它的名字就可以看出，其与torch 的不同之处在于pytorch 使用了python 作为开发语言。
所谓“python first”，同样说明它是一个以python 优先的深度学习框架，不仅能够实现强大的gpu 加速，同时还支持动态神经网络，这是现在很多主流框架比如tensorflow 等都不支持的。
pytorch 既可以看做加入了gpu 支持的numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络，除了facebook 之外，它还已经被twitter、cmu 和salesforce 等机构采用。
推荐手册：python 基础入门教程为何要使用pytorch
面对如此多的深度学习框架，我们为何要选择pytorch 呢？tensorflow 不是深度学习框架默认的老大吗，为什么不直接选择tensorflow 而是要选择pytorch 呢？下面分4个方面来介绍为何要使用pytorch。
（1）掌握一个框架并不能一劳永逸，现在深度学习并没有谁拥有绝对的垄断地位，就算是google 也没有，所以只学习tensorflow 并不够。同时现在的研究者使用各个框架的都有，如果你要去看他们实现的代码，至少也需要了解他们使用的框架，所以多学一个框架，以备不时之需。
（2）tensorflow 与caffe 都是命令式的编程语言，而且是静态的，首先必须构建一个神经网络，然后一次又一次使用同样的结构，如果想要改变网络的结构，就必须从头开始。但是对于pytorch，通过一种反向自动求导的技术，可以让你零延迟地任意改变神经网络的行为，尽管这项技术不是pytorch 独有，但目前为止它实现是最快的，能够为你任何疯狂想法的实现获得最高的速度和最佳的灵活性，这也是pytorch 对比tensorflow 最大的优势。
（3）pytorch 的设计思路是线性、直观且易于使用的，当你执行一行代码时，它会忠实地执行，并没有异步的世界观，所以当你的代码出现bug 的时候，可以通过这些信息轻松快捷地找到出错的代码，不会让你在debug 的时候因为错误的指向或者异步和不透明的引擎浪费太多的时间。
（4）pytorch 的代码相对于tensorflow 而言，更加简洁直观，同时对于tensorflow高度工业化的很难看懂的底层代码，pytorch 的源代码就要友好得多，更容易看懂。深入api，理解pytorch 底层肯定是一件令人高兴的事。一个底层架构能够看懂的框架，你对其的理解会更深。
相关文章推荐：
1.详解pytorch批训练及优化器比较
2.pytorch + visdom 处理简单分类问题
3.pytorch上搭建简单神经网络实现回归和分类的示例
相关视频推荐：
1.小甲鱼零基础入门学习python视频教程
最后，我们简要总结一下pytorch 的特点：
支持gpu；
动态神经网络；
python 优先；
命令式体验；
轻松扩展。
拥有着如此多优点的.pytorch 也有着它的缺点,因为这款框架比较新，所以使用的人也就比较少，这也就使得它的社区没有那么强大，但是pytorch 提供了一个官方的论坛，大多数碰到的问题都可以去里面搜索，里面的答案一般都是由作者或者其他pytorch 使用者提供的，论坛的更新也特别频繁，同时也可以去github 上面提issue，一般很快就会得到开发者的回应，也算是一定程度上解决了社区的问题。
以上就是python torch是什么的详细内容。