pip 安装pytorch_30天学会Tensorflow2和Pytorch

Tensforflow已经升级到了2.0，我们就先撇开1.0不说。

Tensforflow2 VS Pytorch，该选哪个学呢？

这种选择焦虑感，是不是像在前女友和现女友之间那种选择呢？[捂脸]

建议：

如果是工程师，应该优先选TensorFlow2.

如果是学生或者研究人员，应该优先选择Pytorch.

当然如果时间足够，最好TensorFlow2和Pytorch都要学习掌握。

理由如下：

• 1，在工业界最重要的是模型落地，目前国内的大部分互联网企业只支持TensorFlow模型的在线部署，不支持Pytorch。 并且工业界更加注重的是模型的高可用性，许多时候使用的都是成熟的模型架构，调试需求并不大。

• 2，研究人员最重要的是快速迭代发表文章，需要尝试一些较新的模型架构。而Pytorch在易用性上相比TensorFlow2有一些优势，更加方便调试。 并且在2019年以来在学术界占领了大半壁江山，能够找到的相应最新研究成果更多。

• 3，其实TensorFlow2和Pytorch实际上整体风格已经非常相似了，学会了其中一个，学习另外一个将比较容易。两种框架都掌握的话，能够参考的开源模型案例更多，并且可以方便地在两种框架之间切换。

另外，很多人用Keras，需要注意的是：

Keras库在2.3.0版本后将不再更新，用户应该使用tf.keras。

Keras可以看成是一种深度学习框架的高阶接口规范，它帮助用户以更简洁的形式定义和训练深度学习网络。

使用pip安装的Keras库同时在tensorflow,theano,CNTK等后端基础上进行了这种高阶接口规范的实现。

而tf.keras是在TensorFlow中以TensorFlow低阶API为基础实现的这种高阶接口，它是Tensorflow的一个子模块。

tf.keras绝大部分功能和兼容多种后端的Keras库用法完全一样，但并非全部，它和TensorFlow之间的结合更为紧密。

随着谷歌对Keras的收购，Keras库2.3.0版本后也将不再进行更新，用户应当使用tf.keras而不是使用pip安装的Keras.

-----

我收集了一套经典的教程，可以30天学会Tensforflow2/Pytorch。

关注我，私信 "AI教程"，可以获得教程。