汉口小霸王
numpy 读法是:英['nʌmpi]，NumPy是Python中科学计算的基础包。
它是一个Python库，提供多维数组对象，各种派生对象(如掩码数组和矩阵)，以及用于数组快速操作的各种例程，包括数学逻辑，形状操作，I / O离散傅立叶变换，随机模拟等等。
NumPy包的核心是ndarray对象。这封装了同构数据类型的n维数组，许多操作在编译代码中执行以提高性能。
NumPy数组和标准Python序列之间有几个重要的区别：
1、NumPy数组在创建时具有固定大小，与Python列表(可以动态增长)不同。更改ndarray的大小将创建一个新数组并删除原始数组。
2、NumPy数组中的元素都需要具有相同的数据类型，因此在内存中的大小相同。例外：可以有(Python，包括NumPy)对象的数组，从而允许不同大小的元素的数组。
3、NumPy数组有助于对大量数据进行高级数学和其他类型的操作。通常，与使用Python的内置序列相比，这些操作的执行效率更高，代码更少。
4、越来越多的基于Python的科学和数学软件包正在使用NumPy数组；虽然这些通常支持Python序列输入，但它们在处理之前将这些输入转换为NumPy数组，并且它们通常输出NumPy数组。
S君临天下
pytorch的读音是'paɪtɔːtʃ。
PyTorch的前身是Torch，其底层和Torch框架一样，但是使用Python重新写了很多内容，不仅更加灵活，支持动态图，而且提供了Python接口。它是由Torch7团队开发，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。
PyTorch既可以看作加入了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外，它已经被Twitter、CMU和Salesforce等机构采用。
PyTorch的优点：
1、相当简洁且高效快速的框架。
2、设计追求最少的封装。
3、设计符合人类思维，它让用户尽可能地专注于实现自己的想法。
4、与google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新。
5、PyTorch作者亲自维护的论坛供用户交流和求教问题。
6、入门简单。
优质英语培训问答知识库
