TensorFlow 真的要被 PyTorch 比下去了吗？

2021 年 10 月 11 日 PaperWeekly

总有人在后台问我，如今 TensorFlow 和 PyTorch 两个深度学习框架，哪个更流行？

就这么说吧，今年面试的实习生，问到常用的深度学习框架时，他们清一色的选择了「PyTorch」。

这并不难理解，这两年，PyTorch 框架凭借着对初学者的友好性、灵活性，发展迅猛，几乎占据了深度学习领域的半壁江山。比起 TF 的框架环境配置不兼容，和 Keras 由于高度封装造成的不灵活，PyTorch 无论是在学术圈还是工业界，都相当占优势。不夸张地说，掌握了 PyTorch ，就相当于走上了深度学习、机器学习的快车道。

那么，PyTorch 为什么这么强？

首先，PyTorch 的命令式的编程风格，这对用户很友好。

PyTorch 设计得更科学，不必像 TF 那样，还要在各种 API 之间做切换，操作便捷。代码可读性也更强，能让人把注意力集中在问题本身而不是实现。一个 layer 也只对应一种函数，不用去纠结应该学习哪个。

其次，PyTorch 的易用性更好，而且生态起来了，大部分论文开源都是用 PyTorch。

PyTorch各种开发版本都能向下兼容，环境配置和网络搭建分分钟拿下。而且 PyTorch 跟 NumPy 风格比较像，轻易就能和Python 生态集成起来，开发者掌握了NumPy跟基本的深度学习概念就能上手。

还有，PyTorch 在 debug 代码的过程也十分方便，可以随时输出中间向量结果。

使用 PyTorch 就像在 Python 中使用 print 一样简单，只要把一个 pdb 断点扔进 PyTorch 模型里，直接就能用了。

而且 PyTorch 的应用范围越来越广，不仅能够帮你实现模型和算法，快速完成深度学习模型部署，提供高并发服务，还可以轻松去实现图像生成、文本分析、情感分析这样的有趣实验。

从下面这张图就可以看出，它的技术迭代速度，还有生态发展速度都是非常迅猛的。

趋势图

现在，越来越多的大公司都在使用 PyTorch，很多大厂招聘中，跟算法相关的岗位，也同样会要求你熟练使用 PyTorch 等工具。

PyTorch这么多优点，要如何高效入门？

在我看来，好的学习资料至少要满足 2 点：一站式学习 + 样例导向。

不仅能给出知识体系、线索，掰开揉碎了讲清楚。在此基础上，还要根据实际的案例，上手实操，练过、犯过错，才能懂其中的诀窍，而不是输出一些死记硬背的概念。

当然，想满足这个条件的课程，需要老师有长时间的打磨和深厚的功底。最近刷到方远写的《PyTorch深度学习实战》专栏，看了更新的几篇，有丰富的代码和实战案例，还有一线实操的踩雷点，以及使用心得，感觉不错，分享个他整理的学习图谱。

完整跟下来，你能获得这样一个从「具体问题 → 找合适的算法与模型 → 自主解决问题」完整技术框架。而熟练使用 PyTorch 工具，解决自己的问题，只是这个专栏要实现的一个小目标。

除了交付系统的 PyTorch 技术学习框架，专栏还从实际需求出发，原理 + 实操，传递在深度学习这条路上的经验思考。更重要的是，这个专栏会给你分析问题的能力和和解决问题的方法，让你懂得怎样去优化你自己的算法与模型。

这课刚上线，早鸟特惠 + 隐藏口令「PyTorch66」，仅需￥89，购买后永久有效，推荐给你。

早鸟特惠

原价 ¥129 ，现仅￥89

更有新人到手价￥59

说说作者方远

「方远」，目前在国际知名互联网公司 Line China 担任数据科学家，主要从事计算机视觉与自然语言处理的研发工作，在深度学习领域，可是名副其实的 KOL。

他还曾先后在百度和腾讯任职高级算法研究员。精通 PyTorch 与 TensorFlow 框架，以及 Bert、EfficientNet、SSD、DeepLab 等主流深度学习算法。为公司内部千亿级别流量的运营审核业务，提供稳定高效的深度学习服务。也为公司移动终端产品提供可离线运行、实时、高精度的计算机视觉服务。在机器学习与深度学习的研究和应用领域已有10 年的积累。

这样的大佬能来开课，把自己的心法毫不保留的分享出来，让普通人都可以接触到，学习到，真的是多少钱都买不到的。一个好的“老师傅”要比自学效果好得多，对于想在机器学习领域快速提升自己的同学，不要错过。