清華博士導(dǎo)師整理：Tensorflow和Pytorch的筆記（包含經(jīng)典項(xiàng)目實(shí)戰(zhàn)）

作為一名AI工程師，掌握一門深度學(xué)習(xí)框架是必備的生存技能之一。

自 TensorFlow 從 Google 中脫穎而出以來，它在研究和商業(yè)領(lǐng)域成為最受歡迎的開源深度學(xué)習(xí)框架，緊接著 從 Facebook 誕生的 PyTorch 由于社區(qū)推動(dòng)的易用性改進(jìn)和越來越廣泛的用例部署，而迅速趕上TensorFlow。

?

兩個(gè)框架在當(dāng)年一度備受爭(zhēng)議，TensorFlow和PyTorch誰更好？

?

從去年校招開始到現(xiàn)在負(fù)責(zé)部門的面試，從我手上流走的簡(jiǎn)歷多多少少也有上百封了。

?

面試了很多候選人，當(dāng)問他們常用的深度學(xué)習(xí)框架時(shí)，發(fā)現(xiàn)他們清一色的選擇了：PyTorch。

?

從各個(gè)方面可以看出，經(jīng)過這些年的發(fā)展，PyTorch在學(xué)術(shù)圈的「壟斷」地位基本已經(jīng)站穩(wěn)。

?

誠(chéng)然，比起TensorFlow，大多數(shù)研究人員更偏愛PyTorch的API，PyTorch設(shè)計(jì)更科學(xué)，而TensorFlow自推出2.0版本后，與TF 1.x 的API差異實(shí)在不小，導(dǎo)致doc的閱讀成本和版本適配成本都相當(dāng)高。

?

如果是初學(xué)者，無腦Pytorch就對(duì)了。社區(qū)資源多、開源代碼多、上手也很簡(jiǎn)單，各大廠商對(duì)Pytorch的支持也多(TensorRT、ONNX)。

?

其實(shí)框架的作用就是我們無需造輪子可以直接使用，并且節(jié)省工作量，對(duì)于Pytorch來說對(duì)研究友好、對(duì)訓(xùn)練友好、對(duì)白嫖大佬的開源代碼也友好，對(duì)模型部署也友好，可以節(jié)省大把時(shí)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，就看公司在用什么吧，因?yàn)楣臼敲嫦蛐枨蟮?/strong>。

?

在業(yè)界，無論算法性能有多好，總歸還是要上線的，選擇框架的時(shí)候便會(huì)考慮以下這些問題，是否方便部署到線上，支持多語言，并且有較好的系統(tǒng)穩(wěn)定性以及有非常多線上應(yīng)用實(shí)例。

?

TF 1.x系列面世較早，在學(xué)術(shù)界、工業(yè)界都有很深的積淀，工業(yè)界由于項(xiàng)目更重，牽一發(fā)而動(dòng)全身，因此目前很多項(xiàng)目仍然停留在TF 1.x（1.1x）上面。

?

像業(yè)界大多數(shù)支撐搜廣推場(chǎng)景的模型，還是用Tensorflow，TensorFlow適合大規(guī)模部署，特別是需要跨平臺(tái)和嵌入式部署時(shí)。

?

至于延伸到選擇哪個(gè)的問題：

?

顯而易見，小孩子才做選擇，而我們都要學(xué)，基本都要會(huì)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(diào)研發(fā)現(xiàn)，80%的0-3歲互聯(lián)網(wǎng)人沒有系統(tǒng)的學(xué)習(xí)過Tensorflow、PyTorch方向，缺乏項(xiàng)目實(shí)戰(zhàn)，處于比較淺層面的對(duì)比。

網(wǎng)上解讀Tensorflow、PyTorch文章非常多但知識(shí)點(diǎn)零散，學(xué)習(xí)起來抓不住重點(diǎn)。

最近整理一套深度學(xué)習(xí)框架必備的學(xué)習(xí)資料，這套資料內(nèi)容非常詳盡全面，課程通過講解和實(shí)戰(zhàn)操作，帶你從零開始訓(xùn)練網(wǎng)絡(luò)，做到獨(dú)立搭建和設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)（包括主流分類和檢測(cè)網(wǎng)絡(luò)），并進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和推理（涉及PyTorch、Tensorflow、Caffe、Mxnet等多個(gè)主流框架），通過實(shí)戰(zhàn)讓你掌握各種深度學(xué)習(xí)開源框架。（資料已經(jīng)全部整理好）

資料內(nèi)容過多，不一一展開，僅截取框架學(xué)習(xí)部分目錄大家感受下。