TensorFlow or PyTorch

既然你已经读到了这篇文章，我就断定你已经开始了你的深度学习之旅了，并且对人造神经网络的研究已经有一段时间了；或者也许你正打算开始你的学习之旅。无论是哪一种情况，你都是因为发现你陷入了困惑中，才找到了这篇文章。你可能查询浏览了各种各样的深度学习的框架和库，但是其中有两个比较突出，他们是两个最流行的深度学习库：TensorFlow 和 PyTorch。你没有办法指出这两个库有什么本质的不同，不用担心！我将在这网络上无休止的存储空间中添加一篇新的文章，也许可以帮你弄清楚一些问题。我将简要的快速的给出你五点内容。仅仅是五点，那么，让我们开始吧！

第一点：尽管 TensorFlow 和 PyTorch 都是开源的，但是他们是由两个不同的公司创建的。TensorFlow 是由 Google 基于 Theano 开发的，而 PyTorch 是由 Facebook 基于 Torch 开发的。

第二点：这两个框架最大的不同是他们定义计算图的方式不同。TensorFlow 定义一个静态图，而 PyTorch 定义动态图，这是什么意思呢？意思就是在 TensorFlow 中，你必须首先定义整个计算图，然后运行你的机器学习模型。但是在 PyTorch 中，你可以在运行的过程中，定义或控制你的图，当在神经网络中使用变长的输入时，这是非常有用的。

第三点：TensorFlow 比 PyTorch 有更加陡峭的学习曲线。PyTorch 更具有 Python 风格，且在构建机器学习模型时更加直观。另一方面，为了学习 TensorFlow，你必须先学习一些他的工作机制（例如 sessions、placeholders 等），因此学习 TensorFlow 比学习 PyTorch 更难一点。

第四点：相比 PyTorch 来说，TensorFlow 背后有更大的社区，这意味着找到资源去学习 TensorFlow，或者是寻找问题的解决办法都会更容易一些。许多的教程和 MOOC（公开课）上面也都使用的是 TensorFlow 而不是 PyTorch，这是因为相比 TensorFlow 来说，PyTorch 是很新的东西。因此在资源方面，相比 PyTorch 来说，你会找到更多的 TensorFlow 的内容。

第五点：如果不讨论 TensorBoard，这个对比就是不完整的。TensorBoard 是一个出色的工具，你可以用它在浏览器中直接可视化你的机器学习模型。PyTorch 没有这个工具，尽管你可以使用类似于 Matplotlib 这样的工具。尽管你可以使用一些方法集成一些东西来让你在使用 PyTorch 时可以使用 TensorBoard，但是它本事是不原生支持的。

最后，TensorFlow 在生产模型和伸缩性上更好，它就是为了生产环境准备的。鉴于 PyTorch 是更容易学习，使用起来也更轻松，因此对于激情项目和快速原型制作来说，它相对更好。

好吧，够了！告诉我哪一个更好？

没有正确答案。（我知道，别人这么说的话我也很讨厌）

真实情况就是一些人发现使用 PyTorch 更好，而另外一些人发现使用 TensorFlow 更好。它们都是很好的框架，有很好的社区和支持，它们都可以完成工作，它们都是神器的魔杖，都可以做一些机器学习的魔术。

我希望我可以帮助你更清楚一些你的困惑（一点点，也许吧）。如果你是真的很困惑并且都没有使用过，那就随便选择一个开始学习，随着你的学习，你会有更多的直觉去帮你做决定。

最后想说的是，他们都是工具，你可以选择任何一个，开始学习机器学习科学和艺术！

翻译自 Tensorflow or PyTorch : The force is strong with which one?— Yashwardhan Jain，在保证原意不变情况下，略有润色和修改。

http://bit.ly/2rOpl7Z