TensorFlow or PyTorch

既然你已經讀到了這篇文章，我就判定你已經開始了你的深度學習之旅了，而且對人造神經網絡的研究已經有一段時間了；或者也許你正打算開始你的學習之旅。不管是哪種狀況，你都是由於發現你陷入了困惑中，才找到了這篇文章。你可能查詢瀏覽了各類各樣的深度學習的框架和庫，可是其中有兩個比較突出，他們是兩個最流行的深度學習庫：TensorFlow 和 PyTorch。你沒有辦法指出這兩個庫有什麼本質的不一樣，不用擔憂！我將在這網絡上無休止的存儲空間中添加一篇新的文章，也許能夠幫你弄清楚一些問題。我將簡要的快速的給出你五點內容。僅僅是五點，那麼，讓咱們開始吧！

第一點：儘管 TensorFlow 和 PyTorch 都是開源的，可是他們是由兩個不一樣的公司建立的。TensorFlow 是由 Google 基於 Theano 開發的，而 PyTorch 是由 Facebook 基於 Torch 開發的。

第二點：這兩個框架最大的不一樣是他們定義計算圖的方式不一樣。TensorFlow 定義一個靜態圖，而 PyTorch 定義動態圖，這是什麼意思呢？意思就是在 TensorFlow 中，你必須首先定義整個計算圖，而後運行你的機器學習模型。可是在 PyTorch 中，你能夠在運行的過程當中，定義或控制你的圖，當在神經網絡中使用變長的輸入時，這是很是有用的。

第三點：TensorFlow 比 PyTorch 有更加陡峭的學習曲線。PyTorch 更具備 Python 風格，且在構建機器學習模型時更加直觀。另外一方面，爲了學習 TensorFlow，你必須先學習一些他的工做機制（例如 sessions、placeholders 等），所以學習 TensorFlow 比學習 PyTorch 更難一點。

第四點：相比 PyTorch 來講，TensorFlow 背後有更大的社區，這意味着找到資源去學習 TensorFlow，或者是尋找問題的解決辦法都會更容易一些。許多的教程和 MOOC（公開課）上面也都使用的是 TensorFlow 而不是 PyTorch，這是由於相比 TensorFlow 來講，PyTorch 是很新的東西。所以在資源方面，相比 PyTorch 來講，你會找到更多的 TensorFlow 的內容。

第五點：若是不討論 TensorBoard，這個對比就是不完整的。TensorBoard 是一個出色的工具，你能夠用它在瀏覽器中直接可視化你的機器學習模型。PyTorch 沒有這個工具，儘管你可使用相似於 Matplotlib 這樣的工具。儘管你可使用一些方法集成一些東西來讓你在使用 PyTorch 時可使用 TensorBoard，可是它本事是不原生支持的。

最後，TensorFlow 在生產模型和伸縮性上更好，它就是爲了生產環境準備的。鑑於 PyTorch 是更容易學習，使用起來也更輕鬆，所以對於激情項目和快速原型製做來講，它相對更好。

好吧，夠了！告訴我哪個更好？

沒有正確答案。（我知道，別人這麼說的話我也很討厭）

真實狀況就是一些人發現使用 PyTorch 更好，而另一些人發現使用 TensorFlow 更好。它們都是很好的框架，有很好的社區和支持，它們均可以完成工做，它們都是神器的魔杖，均可以作一些機器學習的魔術。

我但願我能夠幫助你更清楚一些你的困惑（一點點，也許吧）。若是你是真的很困惑而且都沒有使用過，那就隨便選擇一個開始學習，隨着你的學習，你會有更多的直覺去幫你作決定。

最後想說的是，他們都是工具，你能夠選擇任何一個，開始學習機器學習科學和藝術！

翻譯自 Tensorflow or PyTorch : The force is strong with which one?— Yashwardhan Jain，在保證原意不變狀況下，略有潤色和修改。

http://bit.ly/2rOpl7Z