自 TensorFlow 从 Google 中脱颖而出以来，它在研究和商业领域成为最受欢迎的开源深度学习框架，紧接着 从 Facebook 诞生的 PyTorch 由于社区推动的易用性改进和越来越广泛的用例部署，而迅速赶上TensorFlow。
两个框架在当年一度备受争议，TensorFlow和PyTorch谁更好？
从去年校招开始到现在负责部门的面试，从我手上流走的简历多多少少也有上百封了。
面试了很多候选人，当问他们常用的深度学习框架时，发现他们清一色的选择了：PyTorch。
从各个方面可以看出，经过这些年的发展，PyTorch在学术圈的「垄断」地位基本已经站稳。
诚然，比起TensorFlow，大多数研究人员更偏爱PyTorch的API，PyTorch设计更科学，而TensorFlow自推出2.0版本后，与TF 1.x 的API差异实在不小，导致doc的阅读成本和版本适配成本都相当高。
如果是初学者，无脑Pytorch就对了。社区资源多、开源代码多、上手也很简单，各大厂商对Pytorch的支持也多(TensorRT、ONNX)。
其实框架的作用就是我们无需造轮子可以直接使用，并且节省工作量，对于Pytorch来说对研究友好、对训练友好、对白嫖大佬的开源代码也友好，对模型部署也友好，可以节省大把时间去做其他有意义的事情，没有理由不使用Pytorch。
如果是工作了，就看公司在用什么吧，因为公司是面向需求的。
在业界，无论算法性能有多好，总归还是要上线的，选择框架的时候便会考虑以下这些问题，是否方便部署到线上，支持多语言，并且有较好的系统稳定性以及有非常多线上应用实例。
TF 1.x系列面世较早，在学术界、工业界都有很深的积淀，工业界由于项目更重，牵一发而动全身，因此目前很多项目仍然停留在TF 1.x（1.1x）上面。
像业界大多数支撑搜广推场景的模型，还是用Tensorflow，TensorFlow适合大规模部署，特别是需要跨平台和嵌入式部署时。
至于延伸到选择哪个的问题：
显而易见，小孩子才做选择，而我们都要学，基本都要会用，这样才能自己选择工具，而不是工具挑选你。
现在推荐一本pytorch入门书：《深度学习入门之PyTorch》
理论和实践相结合，往往是学习知识的最有效的方式，本书特点就是如此。
上述TensorFlow + PyTorch资源均可后台私信“666”获取。
整理不易，转发就是对小编最大的支持！