Torch is a scientific computing framework with wide support for machine learning algorithms that puts GPUs first. It is easy to use and efficient, thanks to an easy and fast scripting language, LuaJIT, and an underlying C/CUDA implementation.
A summary of core features:
- a powerful N-dimensional array
- lots of routines for indexing, slicing, transposing, …
- amazing interface to C, via LuaJIT
- linear algebra routines
- neural network, and energy-based models
- numeric optimization routines
- Fast and efficient GPU support
- Embeddable, with ports to iOS and Android backends
以上两者联系与区别：Pytorch实现了机器学习框架 Torch 在 Python 语言环境的执行。Torch 是一个十分老牌、对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。但由于其语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。如今，作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。
Torchnet is a framework for torch which provides a set of abstractions aimingat encouraging code re-use as well as encouraging modular programming. Most of the modules support NumPy arrays as well as PyTorch tensors on input,so could potentially be used with other frameworks.
Facebook宣布开源用于简化深度学习、加速开发的软件Torchnet。
- 用Lua编写
- 提供样板代码、关键抽象和参考实现，可以聚合分拆重用，以模块化编程减少bug概率
- 简化异步、并行数据loading，提升多GPU效率
- 可能不会一直局限于Torch，其抽象将有Caffe、TensorFlow实现
- 方法有点类似于Theano框架的Blocks和Fuel库
- 已经应用于Facebook图像识别和NLP
Facebook工程师Laurens van der Maaten表示，Torchnet的核心不是让Torch更快（而是简化深度学习工作），举例而言它可以减少IO开销，这对大型神经网络尤其重要。
The goal of open-sourcing Torchnet is to empower the developer community, allowing it to rapidly build effective and reusable learning systems.
与Caffe、Chainer、TensorFlow和Theano等深度学习框架的一个很大的不同，是不注重深层网络中高效率的推理和梯度计算，Torchnet提供一个深度学习框架之上的框架（如torch/nn），使得rapid experimentation更容易。
Pytorchnet is TorchNet的PyTorch版本。
参考资料：https://www.leiphone.com/news/201701/Tb4KueUFvTWNUPRb.html
参考博客：http://geek.csdn.net/news/detail/83718
论文：Torchnet: An Open-Source Platform for (Deep) Learning Research