TensorFlow与PyTorch之争，哪个框架最得当深度进修

在实习进程的可视化方面，TensorFlow 更有上风。可视化能辅佐开拓者跟踪实习进程以及实现更利便的调试。TensorFlow 的可视化库名为 TensorBoard。PyTorch 开拓者则行使 Visdom，可是 Visdom 提供的成果很简朴且有限，以是 TensorBoard 在实习进程可视化方面更好。

TensorBoard 的特征：

• 跟踪和可视化丧失和精确度等指标
• 可视化计较图(操纵和层)
• 查察权重、毛病或其余张量随时刻变革的直方图
• 展示图像、文本和音频数据
• 说明 TensorFlow 措施

在 TensorBoard 中可视化实习

Visdom 的特征：

• 处理赏罚回调
• 绘制图表和细节
• 打点情形

在 Visdom 中可视化实习

4. 出产陈设

在将实习好的模子陈设到出产方面，TensorFlow 显然是赢家。我们可以直接行使 TensorFlow serving 在 TensorFlow 中陈设模子，这是一种行使了 REST Client API 的框架。

行使 PyTorch 时，在最新的 1.0 不变版中，出产陈设要轻易一些，但它没有提供任何用于在收集上直接陈设模子的框架。你必需行使 Flask 或 Django 作为后端处事器。以是，假如要思量机能，TensorFlow serving 也许是更好的选择。

5. 用 PyTorch 和 TensorFlow 界说一个简朴的神经收集

我们较量一下如安在 PyTorch 和 TensorFlow 中声明神经收集。

在 PyTorch 中，神经收集是一个类，我们可以行使 torch.nn 软件包导入构建架构所必须的层。全部的层都起首在 __init__() 要领中声明，然后在 forward() 要领中界说输入 x 在收集全部层中的遍历方法。最后，我们声明一个变量模子并将其分派给界说的架构(model = NeuralNet())。

近期 Keras 被归并到了 TensorFlow 库中，这是一个行使 TensorFlow 作为后端的神经收集框架。从当时起，在 TensorFlow 中声明层的句法就与 Keras 的句法相同了。起首，我们声明变量并将其分派给我们将要声明的架构范例，这里的例子是一个 Sequential() 架构。

接下来，我们行使 model.add() 要领以序列方法直接添加层。层的范例可以从 tf.layers 导入，如下代码片断所示：

五、TensorFlow 和 PyTorch 的优弱点

TensorFlow和PyTorch各有其优弱点。

TensorFlow 的利益：

• 简朴的内置高级 API
• 行使 TensorBoard 可视化实习
• 通过 TensorFlow serving 轻易实现出产陈设
• 很轻易的移动平台支持
• 开源
• 精采的文档和社区支持

TensorFlow 的弱点：

• 静态图
• 调试要领
• 难以快速修改

PyTorch 的利益

• 类 Python 的代码
• 动态图
• 轻松快速的编辑
• 精采的文档和社区支持
• 开源
• 许多项目都行使 PyTorch

PyTorch 的弱点：

• 可视化必要第三方
• 出产陈设必要 API 处事器

六、PyTorch 和 TensorFlow 安装、版本、更新

PyTorch 和 TensorFlow 近期都宣布了新版本：PyTorch 1.0(首个不变版)和 TensorFlow 2.0(beta 测试版)。这两个版本都有重大的更新和新成果，让实习进程更高效、流通和强盛。

假如你要在本身的呆板上安装这些框架的最新版，你可以用源代码 build 或通过 pip 安装。

1. PyTorch 安装

macOS 和 Linux

pip3 install torch torchvision 

Windows

pip3 install https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl 
pip3 install https://download.pytorch.org/whl/cu90/torchvision-0.3.0-cp36-cp36m-win_amd64.whl 

2. TensorFlow 安装

macOS、Linux 和 Windows

# Current stable release for CPU-only 
pip install tensorflow 
# Install TensorFlow 2.0 Beta 
pip install tensorflow==2.0.0-beta1 

要搜查安装是否乐成，可行使呼吁提醒符或终端按以下步调操纵。

七、TensorFlow 照旧 PyTorch?我的提议

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!