PyTorch&TensorFlow对比

同类框架

1. Google
   theano ->TensorFlow(高层接口Keras)
2. Facebook
   Caffe ->Caffe2 + PYTORCH
3. Amazon
   mxnet
4. Microsoft
   CNTK

5. Chainer

   
   

动态图 & 静态图

动态图

1. 前4行语句创建了4个变量：Wh,h,Wx,x。
2. h2h = Whh;
   i2h = Wxx;
   next_h = h2h + i2h
   next_h加上一个Tanh函数
3. loss;

静态图

x_ph = tf.placeholder(tf.int32, name='x')
y_ph = tf.placeholder(tf.int32, name='y')
z_ph = tf.multiply(a_ph, b_ph, name="x+y")

with tf.Session() as sess:
    z_val = sess.run(z_ph, feed_dict={x_ph: [8], y_pg" [9]})print(z_val)

1. 创建一个x的符号，y的符号，创建相乘的操作，得到输出的符号z。
2. 在sess.run函数中，给定x, y具体的值，同时得到z的输出

   静态图的静态是指xyz的操作一但定义好，在run的时候不能够改变，只能给一个输入，给一个输出，中间过程是不能够人为干预的。

综合评价

推荐

研究人员：PyTorch
工业界：TensorFlow2.0

PyTorch生态

自然语言处理：PyTorch NLP;AllenNLP
视觉：TorchVision
图网路图卷积：PyTorch geometric
Fast.ai
ONNX

参考链接：Battle of the Deep Learning frameworks — Part I: 2017, even more frameworks and interfaces

授课老师：龙良曲
课程视频：https://www.bilibili.com/video/av49008640