[[387609]]

你用pyTorch還是用tensorflow？

對于不同人群可能有不同的答案，科研人員可能更偏愛pyTorch，因其簡單易用，能夠快速驗證idea來搶占先機發(fā)論文。

有從業(yè)人員預(yù)測，學(xué)術(shù)界pyTorch未來會一枝獨秀。

但對工業(yè)人員來說，tensorflow可能是更好的選擇，相關(guān)軟件生態(tài)更有利于部署，如高性能深度學(xué)習(xí)TensorRT、移動端tensorflow Lite、多種編程語言的API等。

在Keras的加持下，易用易學(xué)性得到了極大增強，未來可能會有更多TF boys的出現(xiàn)。

深度學(xué)習(xí)領(lǐng)域的各種框架總數(shù)超過了二十個，但是許多框架都缺乏維護，社區(qū)并不活躍。造就了部分框架壟斷的情況。

Reddit小哥發(fā)出疑問：我該學(xué)哪個框架？

社交媒體有很多宣傳pyTorch特別好用的帖子，

在社交媒體上看到了很多關(guān)于 pyTorch 有多棒的帖子，但是我只會用tensorflow。我覺得tensorflow非常強大，不管是科研還是工業(yè)部署上都有廣泛的應(yīng)用。

我弄不明白，我應(yīng)該轉(zhuǎn)到pyTorch上嗎？還是說都學(xué)習(xí)？他們到底有什么差別？為什么大家都吹捧pyTorch而貶低tensorflow？

我想知道，你用哪個框架，以及為什么不用另一個的原因。

pyTorch派的回答

這位小哥的靈魂拷問可以說是困擾AI從業(yè)新手的一個必經(jīng)難題。這可以類比為php是世界上最好的語言。

有pyTorch用戶的網(wǎng)友在下面回復(fù)，獲得最高贊。

我用tensorflow1.x幾年了，感覺自己是個專家。當(dāng)我第一次嘗試pyTorch后，發(fā)現(xiàn)tensorflow無法實現(xiàn)的圖形操作，在pyTorch上非常容易實現(xiàn)。不到一個月，我就覺得我用pyTorch的水平和tensorflow一樣好了。

事實證明，tensorflow所謂的專業(yè)知識都是晦澀的API，而pyTorch則是為了構(gòu)建一個深度學(xué)習(xí)模型。

tensorflow不懂設(shè)計。

知乎網(wǎng)友對tensorflow的態(tài)度也都是API過于混亂，并認(rèn)為靜態(tài)圖和動態(tài)圖并不是他們之間最大的區(qū)別。

當(dāng)然，最犀利的當(dāng)屬Karpathy的評論：

用了pyTorch幾個月以后，腰不酸了，腿不疼了，皮膚光滑了，視力都變好了。（暗示tensorflow辣眼睛？）

也有pyTorch用戶覺得寫起來就像寫python代碼一樣，沒有額外的學(xué)習(xí)成本。

tensorflow派怎么說？

也有網(wǎng)友堅定地喜歡tensorflow，但也覺得tensorflow對新手太不友好了，如tf.Session，tf.Estimator，每個人都在寫自己的部分，沒有統(tǒng)一的官方高級API。

到了2021年，tf陣營有了TF 2.x，變得和Keras越來越像了。雖然tensorflow不是很完美，但是tf.keras是完美的。（人生苦短，我用Keras）

也有網(wǎng)友認(rèn)為，pyTorch在生產(chǎn)環(huán)境的部署遠(yuǎn)遠(yuǎn)不如tensorflow，在移動端也沒有好的解決方案，只適合科學(xué)研究。

其他框架在默默流淚

在GitHub的排行榜上，tensorflow一騎絕塵，是Keras的三倍還多。

深度學(xué)習(xí)從業(yè)者的入門大多是從tensorflow起步，被合并的Keras也超越了pyTorch。

由此可見，工業(yè)部署對tensorflow還是十分依賴的，畢竟pyTorch也依賴tensorboard等。

國產(chǎn)框架飛漿還有很長的路要走。

結(jié)語

正所謂「形而上者謂之道，形而下者謂之器」。

當(dāng)水平還處于比較低的時候，更關(guān)注于具體的實踐細(xì)節(jié)。隨著水平的提高，框架已是身外之物，創(chuàng)造出更好，更高性能的模型才是AI之道。