1樓：HetingJian
pytorch永遠滴神，對於初學者半個小時就能寫個CNN還要啥自行車，我是完全從不會入手的pytorch，就簡單的功能來說對新手太友好遼。
2樓：破圓的角
這麼說吧。
很久沒用tf，2.0出來的時候用colab玩了一下。我人傻了。
推薦用顯式的檢測錯誤的方式來檢測epoch的結束。。。確實我個人是很難理解的。
3樓：Calvin
學術界還是pytorch用的更多吧，pytorch搭建網路簡潔清晰，動態圖方便除錯，api也很規範，資料集讀取也有統一的介面，之前用的tensorflow，想復現一些比較複雜的網路總是會糾纏在靜態圖的搭建上，雖然tf2.0支援了動態圖，但是一套全新的api學習量並不小，後來實在無奈轉了pytorch，相比而言還是用著pytorch更舒服，pytorch真香！多那點跑的時間對於學生而言根本不是問題，學術界還是更需要pytorch這樣高效清晰，能夠快速構建網路的框架！
4樓：倔強的春苗
作為乙個純外行學DL的新手，在掌握pytorch之後，又去看了TensorFlow入門的introduction知識，簡直可以用「一臉懵逼」4個字來形容。。。
人生苦短，為啥簡單算個加減乘除還要那麼複雜？
5樓：
今天看到某文章公開了分別使用pytorch與tensorflow實現的相同的方法
pytorch repo star數為63tensorflow repo star數為3看來群眾已經選出了心目中更好的framework
6樓：老宋的茶書會
Google：來，我好不容易開發出了TensorFlow，成為AI之首。（對。
）我還得維護倉庫（對），還得經營社群（對。），還得看Pytorch他媽的臉色，（對。）我不成跪著要飯的嗎？
湯師爺：那你要這麼說，AI之首還真就是跪著要飯的。就這，多少人想跪還沒這門子呢！
Google：我問問你，我為什麼要搞AI？ 我就是腿腳不利索，跪不下去！
湯師爺：原來你是想站著掙錢啊。那還是搞搜尋吧。
Google：哎，這我就不明白了，我已經是AI之首，咋還不如乙個賣廣告的阿？
湯師爺：百姓眼裡，你是AI之首。可是其他公司眼裡，你就是跪著要飯的。掙錢嘛，生意，不寒磣。
Google：寒磣！很他媽寒磣！
湯師爺：那你是想站著，還是想掙錢啊？
Google：我是想站著，還把錢掙了！
湯師爺（搖頭，正色道）：掙不成！
Google：掙不成？
湯師爺：掙不成。
Google（從袖口中甩出 TPU）：這個能不能掙錢？
湯師爺：能掙，山里。
Google（拍出 Keras）：這個能不能掙錢？
湯師爺：能掙，跪著。
Google：這個加上這個，能不能站著把錢給掙了？
湯師爺：敢問大哥何方神聖？
Google：鄙人，谷歌！
7樓：
雖然我覺得pytorch好用，但是model得放到手機上啊，只能搞tensorflow了。
長遠看來還是tensorflow
PyTorch 中，nn 與 nn functional 有什麼區別？
老實人 上面使用者有糖吃可好 講的已經挺好了，我再插兩句 在建圖過程中，往往有兩種層，一種含引數 有Variable，如全連線層，卷積層 Batch Normlization層等 另一種不含引數 無Variable，如Pooling層，Relu層，損失函式層等。閱讀原始碼發現 nn.裡面的是繼承自n...
PyTorch與TensorFlow 2 x各有什麼優勢？
雄立東方 我就想問，為啥tf2.3 的tensor轉成numpy這麼難！這麼難！這麼難！官方說的.numpy 壓根不能用啊！ 松鼠打不過袋鼠 之前覺得tensorflow優勢在於部署，尤其是伺服器端，現在發現pytorch伺服器端的torchserve越做越好了，基本可以滿足快速部署的需求。如果是嵌...
同樣的模型與引數，PyTorch實現的效能比Tensorflow低了很多，有可能是什麼原因呢？
只是看看 手寫影象分割模型，在tensorflow上效果很好，在pytorch上很差。後來發現是損失函式的引數問題，tensorflow中自己寫的多分類focal loss用作分割任務 alpha用0.25 pytorch中重寫了該函式 但是alpha要用1.5至1.75才有效果 有點懵。 嬉嬉皮 ...