欢迎回到本系列教程。首先，让我们介绍下PyTorch，这是一个深度神经网络的Python包。因为我们之后会使用它来编写神经网络，所以就从它开始吧。

PyTorch是一个深度学习框架和科学计算包。PyTorch的核心开发团队是这么描述PyTorch的。无论如何，PyTorch的科学计算是利用了PyTorch的张量库和张量操作。

张量是一个n维的数组

例如，PyTorch的 torch.Tensor对象是由NumPy的ndarray对象创建出来的，共享同一个内存。那么在PyTorch和NumPy之间进行转换是十分方便和节省性能的 。
另外，PyTorch内置了对GPU的支持。如果我们的系统中有GPU，也可以很方便在GPU和CPU中转移张量。

PyTorch的张量操作能在GPU运行

我们会在CUDA章节讨论GPU以及我们为什么要在深度学习中使用它们。现在，只需要知道Pytorch的张量以及操作是和NumPy的n维数组十分相近的。
张量在深度学习和神经网络中是十分重要的，因为它们是我们最后搭建训练神经网络的数据结构。
在张量库的顶层，PyTorch还有很多东西，在我们深入细节之前，先看下PyTorch的创立过程。

PyTorch历史

PyTorch最初在2016年10月发布，在Pytorch之前，有一个叫做Torch的框架。Torch是一个风靡一时的基于Lua机器学习框架。
The connection between PyTorch and this Lua version, called Torch, exists because many of the developers who maintain the Lua version are the individuals who created PyTorch.

Soumith Chintala 独自开发了PyTorch，他创造PyTorch的原因非常简单，Lua版本的Torch太“恶心”了，有需要开发一个有Python编写的版本。由此，PyTorch来了。

Facebook创造了PyTorch

你可能听说过PyTorch是由Facebook开发和维护的。这是因为

使用PyTorch进行深度学习

为什么要用PyTorch

PyTorch哲学

深入PyTorch

PyTorch在深度学习研究

基于PyTorch的卷积神经网络