两个最受欢迎的深度学习库：Pytorch和tensorflow，这两个究竟有什么区别？他们之间有什么优缺点。接下里和大家一起看看这其中究竟。
第 1 点：
虽然 Tensorflow 和 PyTorch 都是开源的，但它们是由两个不同的向导创建的。Tensorflow 基于 Theano，由 Google 开发，而 PyTorch 基于 Torch，由 Facebook 开发。
第 2 点：
两者之间最重要的区别是这些框架定义计算图的方式。虽然 Tensorflow 创建的是静态图，但 PyTorch 相信动态图。那么这是什么意思？在 Tensorflow 中，必须定义模型的整个计算图，然后运行您的 ML 模型。但是在 PyTorch 中，可以随时随地定义/操作您的图形。这在 RNN 中使用可变长度输入时比较有用。
第 3 点：
Tensorflow 的学习曲线比 PyTorch 更难一点，怎么说？PyTorch更符合Python和建设ML车型感觉更直观一些。另一方面，使用 Tensorflow的话，必须更多地了解它的工作原理（会话、占位符等）。
第 4 点：
Tensorflow 的社区比 PyTorch 大得多。这意味着更容易找到学习 Tensorflow 的资源，也更容易找到问题的解决方案。另外，小普还注意到，许多教程和 MOOC 都涵盖了Tensorflow，这是因为与 Tensorflow 相比，PyTorch 是一个相对较新的框架。所以，在资源方面，我们就可以找到比 PyTorch 多得多的关于 Tensorflow 的内容。
第 5 点：
如果不提及 TensorBoard，这种比较将是不完整的。TensorBoard 可以直接在浏览器中可视化 ML 模型。PyTorch 没有这样的工具，尽管可以使用像 Matplotlib 这样的工具。不过，有一些集成可以将 Tensorboard 与 PyTorch 结合使用。但本机不支持它。
最后，Tensorflow 在生产模型和可扩展性方面要好得多，因为它旨在为生产做好准备。然而，PyTorch 更容易学习和使用更轻松，因此对于项目和快速构建原型来说相对更好。
哪个更好？这个答案其实因人而异。
事实是，有些人发现使用 PyTorch 更好，而其他人则发现使用 Tensorflow 更好。两者都是伟大的框架。