最近學(xué)習(xí) PyTorch，參考網(wǎng)上大家的討論，簡單的將 PyTorch 和 TensorFlow 做了一下比較(2020/03/30)，難免有疏漏，僅供參考
PyTorch 是后來者，但由于其易用性和靈活性，越來越收到青睞，隨著時(shí)間的推移，二者的比較應(yīng)該還會(huì)持續(xù)變動(dòng)
| 特性 | PyTorch | TensorFlow | 備注 |
|---|---|---|---|
| 易用性 | 與 python 非常契合，與 numpy 非常類似，易于上手 | 定義圖的時(shí)候像是在使用一門新的語言，上手難 | |
| API | 易于使用 | 混亂, 冗余 | |
| 圖計(jì)算 | 動(dòng)態(tài)圖計(jì)算，可以在運(yùn)行時(shí)構(gòu)建計(jì)算圖，甚至可以在運(yùn)行時(shí)更改它們，非常靈活 | Tensorflow 1.x 靜態(tài)圖構(gòu)造，因此需要對圖形進(jìn)行編譯，然后在執(zhí)行引擎上執(zhí)行 | Tensorflow 2.0 默認(rèn)使用動(dòng)態(tài)圖，對 1.x 的兼容不太好，原有程序可能需要較大改動(dòng) |
| 可視化 | Visdom，TensorBoard | TensorBoard | |
| 部署生產(chǎn) | 開放式神經(jīng)網(wǎng)絡(luò)交換ONNX，解決通用深度學(xué)習(xí)框架之間的模型遷移部署 | 直接使用 TensorFlow serving 在 TensorFlow 中部署模型 | 一開始 pytorch 在部署上沒有優(yōu)勢，但隨著ONNX生態(tài)的發(fā)展，逐漸和 TensorFlow 拉平 |
| 調(diào)試 | 簡單，可以使用標(biāo)準(zhǔn)調(diào)試器 ，例如pdb或PyCharm | TensorFlow eager 之前需要專門的調(diào)試器 tfdbg | Tensorflow 2.0 默認(rèn)使用動(dòng)態(tài)圖以后和 PyTorch 一樣直接使用標(biāo)準(zhǔn)調(diào)試器 |
| 性能 | 不相伯仲 | ||
| 文檔 | 全面 | 全面 |
參考文章：
有些文章較早不能代表現(xiàn)在的情況
