2021年了，大家用TensorFlow还是PyTorch多一点？
观点一
作者：Yulong
链接：https://www.zhihu.com/question/452749603/answer/1826252757
很尴尬的是，业界大多数支撑搜广推场景的模型，还是用tensorflow，而且恶心的是还是tensorflow 1.x，而且更更恶心的是各家攻城狮早期就与master分叉了，开始自己魔改tf，给这个屎山代码打上各种补丁。这些陈年老码已经稳定运行上线了，谁也不敢说从头开始，用pytorch汰换掉。这样搞出线上故障谁背的起？每天是身在tf营，心在torch。怀念简单的model写法，怀念直接写个if而不需要用诡异的tf.cond。不要管什么variable scope，也不要担心是否真的在train还是eval……pytorch团队赶紧支持大规模kv partition variable，赶紧开发serving部署啊，快解民于倒悬啊！遗民泪尽tf里，南望torch又一年(ToT)/~~~
观点二
作者：思想火龙果
链接：https://www.zhihu.com/question/452749603/answer/1819357374
pytorch统治学术圈。
现在各大顶会开源代码没有一丝丝的tensorflow2.x，就连谷歌家自己的论文也是只有torch和jax。零零星星一些tf1的开源代码。
tensorflow2.x难用吗？真不难用的，基本就是在用keras，tf.data pipeline 和 tf.distribute 用起来真的省心又快。问题就是现在tf2没人用啊，也不是不好用，就是你有的pytorch也有，pytorch用得已经好好的了为啥还要换呢？然后你又再搞一个新库，jax，而且还是用tensorflow写的，而且还不是像keras，sonet一样能跟tf混着用的 ，然后google research开源代码要不是pytorch就是jax，连自家都不用别人会用么。
谷歌真的挺迷惑的，把keras合并了不去好好搞keras推广keras，可能再过两年 import tensorflow as tf 直接报warning “tensorflow is deprecated, please use pytorch instead”
观点三
作者：小小将
链接：https://www.zhihu.com/question/452749603/answer/1822694849
变化太大了，今年面试的实习生，当问他们常用的深度学习框架时，他们清一色的选择了：PyTorch。
我个人认为几个原因导致地位逆转：
（1）PyTorch的易用性更好（当一个框架本身能衍生很多上层框架时，你就能知道它本身是多么不友好了，说的就是TF），而且生态已经起来了，大部分论文开源都是用PyTorch；
（2）TF2看起来并不太成功，反而破坏TF1的生态。TF1和TF2往往混杂在一起，让人摸不着头脑。
（3）关于大家最担心的部署优化问题，其实目前PyTorch也在不断提升这块的劣势，目前Torch->ONNX->TensorRT已经相对成熟了，其他的端侧框架如ncnn也支持torch了。当然动态图比静态图确实要多踩一点坑，但带来的可能是模型迭代效率的提升。
（4）关于分布式训练，TensorFlow可能优势更大，但可能大部分人最多跑个单机多卡就够了，所以性能上不会差距太大，而且分布式训练还有很多第三方框架来支持比如horovod。而且本身PyTorch自带的DDP也不差。
其实我从16年开始接触深度学习，最早学习的框架是theano，当TensorFlow出来后，theano的使用者就慢慢转向了TensorFlow，到19年我又开始转向PyTorch。
每次转变后，我只能说一句话：真香。声明：我的观察只限于在比较卷的CV领域。
