每天2小时，吃透 985博士总结的这套保姆级TensorFlow + PyTorch笔记（深度学习框架/深度学习图像识别/深度学习实战）

作为一名AI工程师，掌握一门深度学习框架是必备的生存技能之一。

自 TensorFlow 从 Google 中脱颖而出以来，它在研究和商业领域成为最受欢迎的开源深度学习框架，紧接着 从 Facebook 诞生的 PyTorch 由于社区推动的易用性改进和越来越广泛的用例部署，而迅速赶上TensorFlow。

两个框架在当年一度备受争议，TensorFlow和PyTorch谁更好？

一位面试官说：从去年校招开始到现在负责部门的面试，从我手上流走的简历多多少少也有上百封了。

面试了很多候选人，当问他们常用的深度学习框架时，发现他们清一色的选择了：PyTorch。

从各个方面可以看出，经过这些年的发展，PyTorch在学术圈的「垄断」地位基本已经站稳。

诚然，比起TensorFlow，大多数研究人员更偏爱PyTorch的API，PyTorch设计更科学，而TensorFlow自推出2.0版本后，与TF 1.x 的API差异实在不小，导致doc的阅读成本和版本适配成本都相当高。

如果是初学者，无脑Pytorch就对了。社区资源多、开源代码多、上手也很简单，各大厂商对Pytorch的支持也多(TensorRT、ONNX)。

其实框架的作用就是我们无需造轮子可以直接使用，并且节省工作量，对于Pytorch来说对研究友好、对训练友好、对白嫖大佬的开源代码也友好，对模型部署也友好，可以节省大把时间去做其他有意义的事情，没有理由不使用Pytorch。

如果是工作了，就看公司在用什么吧，因为公司是面向需求的。

在业界，无论算法性能有多好，总归还是要上线的，选择框架的时候便会考虑以下这些问题