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。