最初，PyTorch是由Hugh Perkins开发的，作为基于Torch框架的lujit的Python包装器。有两个PyTorch变体。
PyTorch用Python重新设计和实现Torch，同时为后端代码共享相同的核心C库。PyTorch开发人员对此后端代码进行了优化，以有效地运行Python。他们还保留了基于GPU的硬件加速以及Lua-based Torch的扩展特性。

1、功能特性

Easy Interface ：PyTorch 提供易于使用的 API；因此它被认为在 Python 上操作和运行非常简单。这个框架中的代码执行非常简单。

使用Python ：这个库是Python的，可以与Python数据科学堆栈顺利集成。因此，它可以利用Python环境提供的所有服务和功能。

计算图(Computational graphs)：PyTorch提供了一个提供动态计算图的优秀平台。因此，用户可以在运行时更改它们。当开发人员不知道创建一个神经网络模型需要多少内存时，这非常有用。

PyTorch有以下三个层次的抽象:

1）Tensor(张量)

在GPU上运行的命令式n维数组。

2）Variable(变量)

计算图中的节点。这存储了数据和梯度。

3）Module(模块)

神经网络层将存储状态或可学习的权值。

2、PyTorch的优点

下面是PyTorch的优点：

1）很容易调试和理解代码。

2）它包括许多层，如Torch。

3）它包括很多 loss函数。

4）它可以被认为是NumPy对gpu的扩展。

5）它允许建立网络，其结构依赖于计算本身。

3、TensorFlow 与 PyTorch 区别

TensorFlow和PyTorch之间的主要区别如下：