TensorFlow vs. Pytorch

最新推荐文章于 2024-10-06 17:48:06 发布

leap_ruo

最新推荐文章于 2024-10-06 17:48:06 发布

阅读量750

点赞数 1

分类专栏：算法文章标签：深度学习 tensorflow 机器学习 pytorch

本文链接：https://blog.csdn.net/Airstudy/article/details/107451363

版权

本文对比了TensorFlow和PyTorch这两个深度学习框架。TensorFlow由Google开发，采用静态图，需要预定义计算图并依赖session运行；PyTorch由Facebook开发，提供动态图，代码更易读，适合初学者和研究者。虽然TensorFlow在业界应用更广泛，PyTorch的灵活性和易用性使其在学术界受到欢迎。

摘要由CSDN通过智能技术生成

TensorFlow和pytorch是目前两个比较受欢迎的深度学习框架，二者都被广泛地应用在业界和学术领域。本文对二者进行简单的梳理对比。
TensorFlow 由Google开发，于2015年发布。是静态框架，它需要创建图计算，并且创建之后不可更改，通过session会话进行数据输入和计算。
pytorch 由Facebook开发，于2017年发布。是动态框架，和python的逻辑是一样的，要对变量做任何操作都是灵活的。整个流程：计算图、传入变量数据、求梯度、参数更新等操作，对于编程者都有很强的可读性，代码相对于TensorFlow可读性更强。
以下是用TensorFlow实现CNN的代码：

import tensorflow as tf
'''
假设输入是32*32的大小，五分类任务
'''
# ===定义输入输出===
my_input = tf.placeholder(tf.float32, [None, 32*32])  
my_output = tf.placeholder(tf.int32, [None, 5]) 
# ===定义网络结构===
conv1 = tf.layers.conv2d(inputs=my_input, filter=16, kernel_size=[3,3],strides=1, padding='same', activation=tf.nn.relu)
pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2,2], strides=2)
conv2 = tf.layers