作者：挠挠扣扣笑嘻嘻 | 来源：互联网 | 2023-05-17 18:27
创建于：2020.03.18修改于：2020.03.18文章目录1.背景2.TensorFlow简介3.PyTorch简介4.二者的相同与不同4.1相同之处4.2不同之处5.总结6
创建于：2020.03.18
修改于：2020.03.18
文章目录
- 1. 背景
- 2. TensorFlow简介
- 3. PyTorch简介
- 4. 二者的相同与不同
- 5. 总结
- 6. 参考连接
- 7. Keras（题外）
1. 背景
被问到了为啥选择TensorFlow，回答的比较含糊。我用TensorFlow2.0，主要是因为一开始学习的时候用的就是TF，学习的例子也是TF，社区资源也好些。
我是从TensorFlow2.0开始学习使用的，一直没用过PyTorch，不敢妄议二者的好坏。在这仅仅是理论上学习二者的相同和不同。
我根据网络博客资源，整理了出来。由于参考资源多为2017–2018之间，所以可能不是最新。如果有幸被专家，大牛看到，不正确的地方，不完善的地方还请给我留言。
下图总结了在 GitHub 中最受欢迎的开源深度学习框架排名，该排名是基于各大框架在 GitHub 里的收藏数，这个数据由 Mitch De Felice 在 2017 年 5 月初完成。
2. TensorFlow简介
2015年11月10日， Google宣布推出全新的机器学习开源工具 TensorFlow。 TensorFlow最初是由Google机器智能研究部门的 Google Brain团队开发，基于Google 2011年开发的深度学习基础架构 DistBelie韵建起来的。
3. PyTorch简介
2017年1月， Facebook人工智能研究院 (FAIR) 团队在 GitHub上开源了PyTorch，并迅速占 领GitHub热度榜榜首。 PyTorch自发布起关注度就在不 断上升，截至2017年10月18日， PyTorch的热度已然超越了其他三个框 架 (Caffe、 MXNe和Theano) , 并且其热度还在持续上升中。
4. 二者的相同与不同
4.1 相同之处
支持语言
tensorflow：支持C++ 和 python 编程
pytorch：支持python编程
支持硬件
tensorflow：CPU、 GPU、 移动设备
pytorch：CPU 、GPU
4.2 不同之处
| 序号 |
项目 |
TensorFlow |
PyTorch |
| 1 |
接受度 |
（1）社区庞大，文档很齐全，如果官方文档无法满足你的需求，还可以在互联网上找到很多很好的教程。（2）可以在github上找到数百个已经实现并训练过的模型。 |
社区正在扩大，文档和官方教程也很好（具体我没用过） |
| 2 |
图的定义 |
TensorFlow遵循“数据即代码，代码即数据”的理念。可以在模型能够运行之前静态地定义图。 |
在PyTorch中，图的定义则更为重要和动态化：你可以随时定义、随时更改、随时执行节点，并且没有特殊的会话接口或占位符。总体而言，该框架与Python语言集成地更为紧密，并且在大多数时候用起来感觉更加本地化。 |
| 3 |
可视化 |
TensorFlow包含Tensorboard工具包，对调试和比较不同的训练过程非常有用。（1）显示模型图、绘制标量变量、图像可视化等。（2）Tensorboard能够显示通过tf.summary模块收集的各种摘要。 |
PyTorch并没有一个类似于Tensorboard的工具，但有一个可以将Tensorboard集成进来的工具。或者，也可以免费使用标准绘图工具：matplotlib和seaborn。 |
| 4 |
部署 |
TensorFlow Serving的框架，用于在一个指定的gRPC服务器上部署模型，可以轻松实现。 |
没有自带的。可以使用Flask或者另一种替代方法来基于模型编写一个REST API |
| 5 |
框架还是库 |
纯TensorFlow看起来更像是一个库：（1）所有的操作都在低层次进行，因此你不得不编写大量的样板代码。（2）有多个框架可供选择 |
PyTorch看起来真的像一个框架，感觉更“Python化”，并且有面向对象的方法。 |
| 6 |
分布式 |
Tensorflow还支持分布式训练。 |
PyTorch目前不支持。 |
| 7 |
计算速度 |
tensorflow 在CPU上运行速度比 pytorch 快 |
tensorflow 在GPU上运行速度和 pytorch 差不多 |
| 8 |
设备管理 |
不需要手动调整，简单 |
要明确启用的设备 |
5. 总结
看完之后，我还是用tensorflow，在工作中寻找社区资源，可视化、部署以及运行速度都相对好些。
以后有时间确实应该亲自实践下PyTorch。
6. 参考连接
CSDN：pytorch（一）——与caffe ，TensorFlow的区别
从TensorFlow到PyTorch：九大深度学习框架哪款最适合你？
tensorflow和pytorch框架对比总结
PyTorch vs TensorFlow，哪个更适合你
7. Keras（题外）
Keras是一个离层神经网络API，由纯Python编写而成并使用 TensorFlow、 Theano及CNTK作为后端。 Keras为支持快速实验而生， 能够把想法迅速转换为结果。
优势：Keras应该是深度学习框架之中最容易上 手的一个，它提供了一致而简洁的API，能够极大地减少一般应用下用 户的工作量，避免用户重复造***。
劣势：严格意义上讲， Keras并不能称为一个深度学习框架，它更像 —个深度学习接口，它构建千第三方框架之上。 Keras的缺点很明显： 过度封装导致丧失灵活性。
京公网安备 11010802041100号