作為一名AI工程師，掌握一門深度學習框架是必備的生存技能之一。

自 TensorFlow 從 Google 中脱穎而出以來，它在研究和商業領域成為最受歡迎的開源深度學習框架，緊接着 從 Facebook 誕生的 PyTorch 由於社區推動的易用性改進和越來越廣泛的用例部署，而迅速趕上TensorFlow。

 

兩個框架在當年一度備受爭議，TensorFlow和PyTorch誰更好？

 

從去年校招開始到現在負責部門的面試，從我手上流走的簡歷多多少少也有上百封了。

 

面試了很多候選人，當問他們常用的深度學習框架時，發現他們清一色的選擇了：PyTorch。

 

從各個方面可以看出，經過這些年的發展，PyTorch在學術圈的「壟斷」地位基本已經站穩。

 

誠然，比起TensorFlow，大多數研究人員更偏愛PyTorch的API，PyTorch設計更科學，而TensorFlow自推出2.0版本後，與TF 1.x 的API差異實在不小，導致doc的閲讀成本和版本適配成本都相當高。

 

如果是初學者，無腦Pytorch就對了。社區資源多、開源代碼多、上手也很簡單，各大廠商對Pytorch的支持也多(TensorRT、ONNX)。

 

其實框架的作用就是我們無需造輪子可以直接使用，並且節省工作量，對於Pytorch來説對研究友好、對訓練友好、對白嫖大佬的開源代碼也友好，對模型部署也友好，可以節省大把時間去做其他有意義的事情，沒有理由不使用Pytorch。

 

如果是工作了，就看公司在用什麼吧，因為公司是面向需求的。

 

在業界，無論算法性能有多好，總歸還是要上線的，選擇框架的時候便會考慮以下這些問題，是否方便部署到線上，支持多語言，並且有較好的系統穩定性以及有非常多線上應用實例。

 

TF 1.x系列面世較早，在學術界、工業界都有很深的積澱，工業界由於項目更重，牽一髮而動全身，因此目前很多項目仍然停留在TF 1.x（1.1x）上面。

 

像業界大多數支撐搜廣推場景的模型，還是用Tensorflow，TensorFlow適合大規模部署，特別是需要跨平台和嵌入式部署時。

 

至於延伸到選擇哪個的問題：

 

顯而易見，小孩子才做選擇，而我們都要學，基本都要會用，這樣才能自己選擇工具，而不是工具挑選你。

然而，我們通過調研發現，80%的0-3歲互聯網人沒有系統的學習過Tensorflow、PyTorch方向，缺乏項目實戰，處於比較淺層面的對比。

網上解讀Tensorflow、PyTorch文章非常多但知識點零散，學習起來抓不住重點。