突發！ 人工智慧框架大戰新爆發，PyTorch又勝TensorFlow一局！

 

 

關於深度學習的框架之爭一直沒有停止過。最近，PyTorch與TensorFlow之爭又爆發，吃瓜群眾歷時1個月的圍觀之後，PyTorch居然又勝一局！

能與TensorFlow抗衡，PyTorch是何方神聖？

Pytorch是Facebook 的 AI 研究團隊釋出了一個 Python 工具包，專門針對 GPU 加速的深度神經網路（DNN）程式設計。作為經典機器學習庫 Torch 的埠，PyTorch 為 Python 語言使用者提供了舒適的寫程式碼選擇

 

好框架應具備的三點，Pytorch有！

對大的計算圖能方便的實現；能自動求變數的導數；能簡單的執行在GPU上；pytorch都做到了，但是現在很多公司用的都是TensorFlow，而pytorch由於比較靈活，在學術科研上用得比較多一點。鄙人認為可能，Google可能下手早一些，而Facebook作後來者，雖然靈活，但是很多公司已經入了TensorFlow的坑了，要全部遷移出來還是很費功夫；而且，TensorFlow在GPU的分散式計算上更為出色，在資料量巨大時效率比pytorch要高一些，我覺得這個也是一個重要的原因吧。

 

推力：史丹佛大學CS博士對比彙總報告再次發酵

準備時間：PyTorch勝

PyTorch實際上是NumPy的替代，它支援GPU，有著更高階的功能，可以用來構建和訓練深度神經網路。

而TensorFlow則可以看成是一種嵌入Python的程式語言。剛使用TensorFlow的人因為這個額外的間接層而苦思冥想。也因為如此，想用TensorFlow還需要學一些額外的概念，比如會話、圖、變數作用域和佔位符等。如要執行基本模型，則還需更多的樣板程式碼。使用TensorFlow的前期準備時間肯定比PyTorch要長。

圖建立和除錯： PyTorch勝

建立和執行計算圖可能是這兩個框架最大的不同。PyTorch中，圖架構是動態的，圖是在執行時建立。而在TensorFlow中，圖架構是靜態的，這意味著先編譯出圖然後再執行。

TensorFlow可以執行dynamic_rnn語句，但是建立自定義的動態計算更加困難。PyTorch中簡單的圖架構容易推導，更容易除錯。

 

資料載入：PyTorch勝

PyTorch中用於資料載入的API設計得很好。介面在資料集、取樣器和資料載入器中有明確規定。資料載入器接收資料集和取樣器，根據取樣器的排程，在資料集上生成迭代器。載入並行資料就像把num_workers語句傳遞到資料載入器一樣簡單。

TensorFlow還沒發現特別有用的載入資料的工具，例如readers, queues, queue runners等，都不夠好。部分原因是因為將想要執行的所有預處理程式碼新增到TensorFlow圖中並不總是直接的，例如計算時頻譜（spectrogram）。

而且，API本身更繁瑣，更難以學習。

 

自定義擴充套件：PyTorch勝

在這兩種框架中都可以用C語言、C++或CUDA構建或繫結自定義擴充套件。但TensorFlow需要更多的樣板程式碼，即使它支援多種型別和裝置。在PyTorch中，只需為每個CPU和GPU版本編寫一個介面和相應的實現。用這兩種框架來編譯擴充套件都很直接，並且不需要下載除了pip安裝包之外的任何標頭檔案或原始碼。

 

覆蓋率：TensorFlow勝

因PyTorch在逐漸發展，兩者之間的差距會縮小甚至到零。然而，目前仍有一些TensorFlow支援但PyTorch不支援的功能，如下所示:

沿著維度翻轉張量 (np.flip, np.flipud, np.fliplr)

檢查張量是空值還是無限值(np.is_nan, np.is_inf)

快速傅立葉變換(np.fft)

此外，TensorFlow的contrib包中有更多比PyTorch更高階的函式和模型。

 

序列化：TensorFlow勝

兩種框架下儲存和載入模型都很簡單。PyTorch有一個特別簡單的API，既可以儲存模型的所有權重，也可以pickle全部類。

TensorFlow的Saver物件也很容易使用，併為檢查點（check-pointing）提供了更多選擇。

在序列化中TensorFlow的主要優點是可以將整個圖儲存為協議緩衝區。這包括引數和運算。此外，該圖可以通過其他支援的語言(C++，Java)載入。這對不支援Python的排程棧來說至關重要。理論上，在改變模型原始碼之後，你想要執行舊模型時它也能有所幫助。

 

部署：TensorFlow勝

對於小規模的伺服器端部署，兩個框架都很容易封裝在諸如Flask web伺服器中。

不過，TensorFlow支援移動和嵌入式部署。可以確定的說，這比包括PyTorch在內的大多數深度學習框架支援功能的都要多。將TensorFlow部署到Android或iOS上確實需要大量的工作，但至少你不必用Java或C++重寫模型的整個推理程式。

 

 

學AI必須得懂Pytorch框架！程式設計師不學行嗎？

 

想學習AI，推薦必備入門課：《60分鐘帶你掌握PyTorch框架》

基於PyTorch的良好效能及大好前景，CSDN學院聯合張校捷老師出品《60分鐘帶你掌握PyTorch框架》，讓你輕鬆快速入門上手PyTorch。

                                           

掃碼開始學習

深入淺出+預售折扣

https://edu.csdn.net/course/detail/23740?utm_source=blog11

 

為什麼選擇這門課

CSDN學院聯合張校捷老師出品《60分鐘帶你掌握PyTorch框架》，讓你輕鬆快速入門上手PyTorch。張校捷有著多年行業經驗及嚴謹的技術態度。講解幽默風趣深入淺出，將技術點提煉的簡練精華。最終打造成此課。限時秒殺39元！

相信對於初學者同學，是一個很好的助力，重點明確少走彎路，學習輕鬆，12講內掌握入門技能，拒絕冗雜。

想學習PyTorch，從現在開始起航吧！

點選學習：https://edu.csdn.net/course/detail/23740?utm_source=blog11