【偷偷卷死小伙伴Pytorch20天】-【day0】-【导言】（20天吃掉那只pytorch）

【偷偷卷死小伙伴Pytorch20天】-【day0】-【导言】（20天吃掉那只pytorch）

最近和中哥、会哥​进行一个小打卡活动，20天pytorch，这是第一天。 整个系列下来会把pytorch的各个API学习到，学完后会有系列项目。 如果喜欢，请一键三连，谢谢！

今天我来讨论一下学习tensorflow还是pytorch

结论

先说结论:

如果是工程师，应该优先选TensorFlow2.

如果是学生或者研究人员，应该优先选择Pytorch.

如果时间足够，最好TensorFlow2和Pytorch都要学习掌握。

原因

有一说一，这俩我都学过，tensorflow1.x的静态图、会话这些很麻烦，tensorflow2.x使用动态图，但也保留了1.x的接口；pytorch则是一脉相承，一直使用动态图，这里暂时不需要关心什么是动态图静态图，只需要指导动态图写起来很爽即可，如果对于tensorflow2.x痴迷，那么就去看我的精通tensorflow系列。但是不得不承认，tf的API确实混乱，每个小版本就跟大做似的，比如说你想找个2.1的api，但是可能2.5x就变了，删了，或者变了。 这就很烦。

理由如下：

1，在工业界最重要的是模型落地，目前国内的大部分互联网企业只支持TensorFlow模型的在线部署，不支持Pytorch。 并且工业界更加注重的是模型的高可用性，许多时候使用的都是成熟的模型架构，调试需求并不大。 2，研究人员最重要的是快速迭代发表文章，需要尝试一些较新的模型架构。而Pytorch在易用性上相比TensorFlow2有一些优势，更加方便调试。 并且在2019年以来在学术界占领了大半壁江山，能够找到的相应最新研究成果更多。 3，TensorFlow2和Pytorch实际上整体风格已经非常相似了，学会了其中一个，学习另外一个将比较容易。两种框架都掌握的话，能够参考的开源模型案例更多，并且可以方便地在两种框架之间切换。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。