Tensorflow1.0&Tensorflow2.0与pytorch框架的比较

Tensorflow1.0&Tensorflow2.0与pytorch的比较

前言

最近开始学习Tensorflow框架，了解到最新发布了Tensorflow2.0，这比1.0更为简单强大。对于上路新手或许是一样好事，本文结合pytorch一起进行一个比较，有对比就会有新收获嘛！

简单比较

有不少文章分别对Pytorch，Tensorflow进行了详细介绍，对于新手的我也还在学习，就不再赘述了，下面只做简单的对比。
PyTorch 最大优势是建立的神经网络是动态的, 对比静态的 Tensorflow, 它能更有效地处理一些问题, 比如说 RNN 变化时间长度的输出。PyTorch的源码只有TensorFlow的十分之一左右，更少的抽象、更直观的设计使得PyTorch的源码十分易于阅读。
而最新发布的tensorflow2.0整体而言，从简单、强大、可扩展三个层面进行了重新设计。特别是在简单化方面，TensorFlow 2.0 提供更简化的 API、注重 Keras、结合了 Eager execution。

比较示例

需要实现的简单例子：

1/2+1/2^2+1/2^3+...+1/2^50

1、使用7python实现

x=0
y=1
for iteration in range(50):
	x=x+y
	y=y/2
print(x)

2、使用Tensorflow1.0来实现

import tensorflow as tf
print(tf.__version__)
x=tf.Variable(0.)
y=tf.Variable(1.)
#x=x+y
add_op=x.assign(x+y)
#y=y/2
div_op=y.assign(y/2)
with tf.Session() as sess:
	sess.run(tf.global_variables_initializer())
	for iteration in range(50):
		sess.run(add_op)
		sess.run(div_op)
	print(x.eval())

3、使用Pytorch来实现

import torch
print(torch.__version__)

x=torch.Tensor([0.])
y=torch.Tensor([1.])
for iteration in range(50):
	x=x+y
	y=y/2
	print(x)

4、使用Tensorflow2.0
这里，注意Tensorflow2.0的安装

https://www.cnblogs.com/xiaosongshine/p/11615639.html

import tensorflow as tf
#tf.enable_eager_execution()
print(tf.__version__)

x=tf.constant(0.)
y=tf.constant(1.)
for iteration in range(50):
	x=x+y
	y=y/2
print(x.numpy())

总结

Tensorflow1.0：静态图，难以调试
Tensorflow2.0与Pytorch：动态图，python自带调试的工具
Tensorflow相比于Pytorch的序列化与部署支持的更加广泛。