tensorflow和pytorch框架对比总结

支持语言

tensorflow：支持C++ 和 python 编程
pytorch：支持python编程

支持硬件

tensorflow：CPU、 GPU、 移动设备
pytorch：CPU 、GPU

灵活性

tensorflow：静态计算图，数据参数在CPU与GPU之间迁移麻烦，调试麻烦
pytorch：动态计算图，数据参数在CPU与GPU之间迁移十分灵活，调试简便

学习难易

tensorflow：社区庞大，bug基本能找到解决办法。学习难度中等，使用一般，新手容易掉坑。官网发布的文档详细。
pytorch：社区正在扩大，部分bug查不到解决方案。学习难度低，使用简单，新手入门容易。官网发布的文档正在扩充。

计算速度

同等条件下：
tensorflow 在CPU上运行速度比 pytorch 快
tensorflow 在GPU上运行速度和 pytorch 差不多

依赖库

tensorflow：支持更多库函数，比如图像数据预处理方式会更多
pytorch：正在扩充，未来和tensorflow应该差别不大

数据加载

tensorflow：API设计庞大，使用有技巧，但有时候不能直接把数据加载进TensorFlow
pytorch：API整体设计粗糙，但加载数据的API设计很友好。加载数据的接口由一个数据集、一个取样器和一个数据加载器构成。

设备管理

tensorflow：不需要手动调整，简单
pytorch：需要明确启用的设备
关于这点，凭个人喜好，我比较喜欢手动启用CUDA_VISIBLE_DEVICES，我个人对内存、显存的管理较严

两种深度学习框架选择

tensorflow：新手，自学能力强的，入门推荐
pytorch：新手，改bug能力强的，入门推荐
两者都不是的新手，入门推荐 caffe，目前企业用caffe居多，比如腾讯
建议：深度学习几大框架都用一遍，这样不同项目就知道该用哪种框架