深度學習發展至今，深度學習的框架也出現了百花齊放的局面，16年出世風靡世界的TensorFlow和稍晚一年卻隱隱有蓋住其風頭的Pytorch，現在兩個的地位有什麼變化嗎
2021 年了，TensorFlow 和 PyTorch 兩個深度學習框架地位又有什麼變化嗎？
# 回答一
作者：思想火龍果
pytorch統治學術圈。現在各大頂會開原始碼沒有一絲絲的tensorflow2。x，就連谷歌家自己的論文也是隻有torch和jax。零零星星一些tf1的開原始碼。
tensorflow2。x難用嗎？真不難用的，基本就是在用keras，tf。data pipeline 和 tf。distribute 用起來真的省心又快。問題就是現在tf2沒人用啊，也不是不好用，就是你有的pytorch也有，pytorch用得已經好好的了為啥還要換呢？然後你又再搞一個新庫，jax，而且還是用tensorflow寫的，而且還不是像keras，sonet一樣能跟tf混著用的 ，然後google research開原始碼要不是pytorch就是jax，連自家都不用別人會用麼。
谷歌真的挺迷惑的，把keras合併了不去好好搞keras推廣keras，可能再過兩年 import tensorflow as tf 直接報warning “tensorflow is deprecated， please use pytorch instead”
# 回答二
作者：夕風Twilighty
全球範圍看，經過16-19年這三年的發展，PyTorch在學術圈的「壟斷」地位基本已經站穩。這一方面得益於PyTorch一開始主打的動態建圖，便於實驗室的學生們快速迭代模型，試驗想法是否work；另一方面也來自於PyTorch吸收了TF 1。x版本中的某些優點，doc做的也不錯，便於初次接觸機器學習和深度學習的新人上手，這一點的重要性往往容易被忽視。
TensorFlow在國內目前處在一個相對尷尬的境地，TF 1。x系列面世較早，2015年以及之前就深耕深度學習的程式設計師和在校同學，大部分用框架時都會從TF（與TF的雛形，即更早的theano）入手。因此在學術界、工業界都有很深的積澱，工業界由於專案更「重」，牽一髮而動全身（或者應該說屎山太多），因此目前很多專案仍然停留在TF 1。x（1。1x）上面。因此要說TF快涼了，也不客觀。但TF目前面臨一個比較尷尬的問題，Google強推TF 2。0版本，但TF 1。x和2。0版本之間的API差異實在不小，導致doc的閱讀成本和版本適配成本都相當高。
至於學術界，PyTorch在國內學校也廣受歡迎，TF 2。0我知道有一小部分實驗室在用。但總的來說 TF 2。0在這方面相對於PyTorch確實沒有優勢，實驗室刷metric的場景下，大家也基本沒有太多機會發揮出TF在分散式上的一些buff。而與此同時，PyTorch的生態建構肉眼可見地漸入佳境，TorchVision和TorchText兩個庫都做的相當漂亮，整體Pipeline的舒適度誰用誰知道。TensorFlow顯然也明白自己要補齊什麼短板，Keras可以認為就是這樣的嘗試吧，但Keras的封裝做的讓人感覺總差點味道。至於MXNet、PaddlePaddle之流，在國內的「市場」確實很小。PyTorch目前的確在蠶食TF的天地，如果在模型部署方面有更穩健的突破（包括對底層C++的某些開放和最佳化），那麼TF確實要做出一些大的改變來應對了。
如果你還有好的idea，歡迎評論區討論，同時，希望大家能關注下，謝謝
