tensorflow与pytorch的区别、动态图、静态图

最近接触了不少TensorFlow的代码，然后我之前对pytorch也有过接触，于是想研究研究两者有什么区别，然后下面这篇文章讲解的比较清楚，大家可以仔细研究研究。

概括来讲两者在：1、应用；2、动态及静态图形定义；3、调试；4、可视化；5、部署；6、数据并行；7、特征这七个方面有所区别。

总结

TensorFlow 是一款强大而成熟的深度学习库，有强大的可视化性能，以及用于高水平模型开发的多个选项。它具备生产就绪的部署选项，也支持移动平台。如果你符合以下情况， TensorFlow 会是个很好的选择：

• 开发用于生产的模型
• 开发需要在移动平台上部署的模型
• 想要非常好的社区支持和较为全面的帮助文档
• 想要丰富的多种形式的学习资源
• 想要或需要使用 Tensorboard
• 需要用到大规模的分布式模型训练

PyTorch 仍然是个比较年轻的框架，但发展迅速。如果符合以下情况，PyTorch 就比较适合你：

• 正在做机器学习研究，或开发的产品在非功能性需求方面要求不高
• 想要获得更好的开发和调试经验
• 喜欢很有“Python 味”的东西

对于一个像我这样的新手来说，pytorch是比较友好的。因为它精简易懂。

参考详见此链接：

PyTorch VS TensorFlow：细数两者的不同之处 - 知乎

-----------------------------------------------------2022.10.3补充---------------------------------------------------------

动态图代码示例：

动态图非常的直观，也好理解，调试也容易，可以随时对参数调试。

静态图代码示例：

 公式一旦定义好，那么在计算过程中，它的中间状态无法改变了。

两者性能评价：