tensorflow和python的關(guān)系

Tensorflow和Python有什么關(guān)系？Tensorflow是Python的機(jī)器學(xué)習(xí)庫(kù)，Python的庫(kù)有很多，如Tensorflow、NumPy、Httpie、Django、Flask、Ansible。我們知道章魚有很多手，如果把Python比作是章魚的話，那Tensorflow就是章魚的一只手。

tensorflow與pytorch的區(qū)別

1.實(shí)現(xiàn)方式：符號(hào)式編程vs命令式編程

tensorflow是純符號(hào)式編程，而pytorch是命令式編程。

命令式編程優(yōu)點(diǎn)是實(shí)現(xiàn)方便，缺點(diǎn)是運(yùn)行效率低。

符號(hào)式編程通常是在計(jì)算流程完全定義好后才被執(zhí)行，因此效率更高，但缺點(diǎn)是實(shí)現(xiàn)復(fù)雜。

2.圖的定義：動(dòng)態(tài)定義vs靜態(tài)定義

兩個(gè)框架都是在張量上進(jìn)行運(yùn)算，但是卻存在著很大的差別。

TensorFlow遵循“數(shù)據(jù)即代碼，代碼即數(shù)據(jù)”的理念，可以在運(yùn)行之前靜態(tài)的定義圖，然后調(diào)用session來執(zhí)行圖。

pytorch中圖的定義是動(dòng)態(tài)化的，可以隨時(shí)定義、隨時(shí)更改、隨時(shí)執(zhí)行節(jié)點(diǎn)。

因此相對(duì)而言，pytorch更加靈活，更加方便調(diào)試。

3.可視化：tensorboard vs nothing

我認(rèn)為TensorFlow最吸引人的地方之一就是tensorboard，可以清晰的看出計(jì)算圖、網(wǎng)絡(luò)架構(gòu)，而pytorch自己沒有類似tensorboard的工具，但是pytorch可以導(dǎo)入tensorboardx或者matplotlib這類工具包用于數(shù)據(jù)可視化。
責(zé)任編輯：YYX