Pytorch和TensorFlow的相同点和不同点

Pytorch是一个基于Torch的Python开原机器学习库，用于自自然语言处理等应用程序，能够实现强大的GPU加速，同时支持动态神经网络。具有两个高级功能：1.具有强大的GPU加速的张量计算（如Numpy）；2.包含自动求导系统的深度神经网络。如果想要改变网络的结构，利用反向求导技术，可以零延迟的任意改变神经网络的行为，实现速度快。可视化方面：pytorch和matlab结合进行可视化。优点：支持GPU、灵活、支持动态神经网络、底层代码易于理解、命令式体验、自定义扩展、学习成本低。缺点：对比TensorFlow而言，全面性处于劣势，不支持快速傅里叶、沿维翻转张量和检查无穷与非数值张量、运行效率低。

TensorFlow是一个符号式的编程语言，而且是静态的，首先必须构建一个神经网络。然后一次又一次使用相同的结构，如果想要改变网络的结构，就要从头开始。可视化：使用自身自带的TensorBoard进行可视化，在可视化机器学习模型时是一个不错的选择。优点：全面性、运行效率相对较高。缺点：学习成本相对较高。

社区方面：Pytorch的社区比TensorFlow小的多，TensorFlow被商业组织、学术界等各个领域的许多研究人员所采用。

API方面：TensorFlow是最好的API，同时提供了高级的API和低级的API，Pytorch提供了较低级的API，专注于数组表达式的直接工作。

部署方面：TensorFlow适用于移动和嵌入式部署。在不降低服务质量的情况下，无法轻松地热交换Pytorch，但是TensorFlow可以轻松地进行热交换。