PyTorch

PyTorch

Deep Learning Framework

从张量到生产的深度学习框架

PyTorch 是开源的深度学习框架,以动态计算图与 Pythonic API 著称,由 PyTorch 基金会(Linux 基金会)托管,广泛用于从研究与原型到生产的 AI 开发。

2.13
当前稳定版(2026 年 7 月)
99k+
GitHub Stars(pytorch/pytorch)
526
PyTorch 2.13 贡献者

免费试用 · 无需下载即可在线体验

动态图起家的开源框架

PyTorch

PyTorch 始于 2016 年 Meta AI(原 Facebook AI Research)的内部项目,2017 年 1 月首次公开发布;2022 年 9 月,Meta 将其移交 Linux 基金会下的 PyTorch 基金会,由技术社区主导演进。它以“定义即运行”(define-by-run)的动态计算图和贴近 NumPy 的 Pythonic API 著称,调试直观、灵活。

PyTorch 2.x 引入的 torch.compile 在不改写源码的前提下对兼容区域做图捕获与编译加速;同时保留 ONNX、TorchScript、TorchServe 等部署路径。其生态涵盖 TorchVision、TorchAudio、PyTorch Geometric 等库,并支撑 Hugging Face Transformers、PyTorch Lightning 等上层项目,是研究与原型阶段使用最广的深度学习框架之一。

核心功能一览

六大核心能力,覆盖创作全流程

🔥

动态计算图(eager)

命令式 Python API,调试直观、灵活,原生支持自动微分 autograd。

⚡

torch.compile

2.x 编译栈对兼容区域做 JIT 编译加速,无需改写源码。

🌐

分布式训练

torch.distributed 与 FSDP 支持大规模、多卡/多节点训练。

🧩

丰富生态

TorchVision、TorchAudio、PyTorch Geometric 等库开箱即用。

📦

云与部署

主流云支持,TorchScript/ONNX/TorchServe 导出与部署。

零基础快速上手

4 步完成你的第一件 AI 作品,无需任何设计经验

1

安装 PyTorch

用 pip 按 CUDA/CPU 选择 index URL 安装 torch 与 torchvision。

2

张量与 autograd

用 Tensor 组织数据,autograd 自动求导,搭建 nn.Module 模型。

3

训练循环

用 Dataset/DataLoader 加载数据,编写训练与验证循环。

4

加速与部署

用 torch.compile 加速,并以 TorchScript/ONNX 导出部署。

全平台客户端下载

支持网页端、桌面端、移动端及浏览器插件,随时随地开启创作

安装与资源

PyTorch 官网
首页与新闻
下载
安装命令生成器
按环境生成命令
下载
PyTorch 文档
API 参考
下载

生态

TorchVision
计算机视觉库
下载
PyTorch Lightning
训练抽象层
下载
SpeedAIAD

常见问题解答

遇到问题?这里可能有你想要的答案

1

PyTorch 与 TensorFlow 怎么选?

研究与原型阶段 PyTorch 因动态图更灵活;生产级、端到端 MLOps 与边缘部署上 TensorFlow 的 TFX/TFLite/TF Serving 更成熟。许多团队用 PyTorch 做研究、用 TensorFlow 做生产部署。

2

torch.compile 一定要用吗?

不是必须。eager 模式照常运行;在性能敏感场景,torch.compile 可在不改动模型代码的前提下带来显著加速。

与主流深度学习框架对比

和同类工具横向对比,帮你选对工具。

对比维度PyTorchTensorFlow
开发方PyTorch 基金会(Linux 基金会)Google
计算图动态(eager)为主静态图(@tf.function)
部署路径TorchScript / ONNX / TorchServeTF Serving / TFLite / TF.js
高级 APIPyTorch 原生 + LightningKeras 3(多后端)